将者，智、信、仁、勇、严也。

摘要： 转自infoQ！ 根据 O’Reilly 2016年数据科学薪资调查显示，SQL 是数据科学领域使用最广泛的语言。大部分项目都需要一些SQL 操作，甚至有一些只需要SQL。 本文涵盖了6个开源领导者：Hive、Impala、Spark SQL、Drill、HAWQ 以及Presto，还加上Calci 阅读全文

摘要： 归并线程配置 segment 归并的过程，需要先读取 segment，归并计算，再写一遍 segment，最后还要保证刷到磁盘。可以说，这是一个非常消耗磁盘 IO 和 CPU 的任务。所以，ES 提供了对归并线程的限速机制，确保这个任务不会过分影响到其他任务。 在 5.0 之前，归并线程的限速配置  阅读全文

摘要： Presto 是由 Facebook 开源的大数据分布式 SQL 查询引擎，适用于交互式分析查询，可支持众多的数据源，包括 HDFS，RDBMS，KAFKA 等，而且提供了非常友好的接口开发数据源连接器。 介绍 Presto是一个运行在多台服务器上的分布式系统。 完整安装包括一个coordinato 阅读全文

摘要： 然后CPU占用接近100%了。 阅读全文

摘要： store NO 压缩后的原始数据 原始数据大小 索引大小 索引时间 单词搜索时间 266 791 594 176 0.2 文件组成见后 运行forceMerge(3）后 merge的本质是减少cfx文件 变为pos和doc 索引大小 .doc .pos tip/tim cfs 仅1个 506 13 阅读全文

摘要： 最新的lucene 3.0的field是这样的: Field options for indexingIndex.ANALYZED – use the analyzer to break the Field’s value into a stream of separate tokens and m 阅读全文

摘要： 摘自：http://makble.com/what-is-term-vector-in-lucene given a document, find all its terms and the positions information of these terms. Index tell us wh 阅读全文

摘要： 为了进一步探讨这种批处理和实时处理有效整合在同一系统的架构，我们将在今天的文章中分析Lambda三层结构模型的适用场景，同时暴露出Lambda架构一个最明显的问题：它需要维护两套分别跑在批处理和实时计算系统上面的代码，而且这两套代码需要产出一致的结果。根据对此缺点的分析，我们引出当时还在Linked 阅读全文

摘要： Lucene 的四大索引查询 清单1：使用布尔操作符 Java代码 //Test boolean operator blic void testOperator(String indexDirectory) throws Exception{ Directory dir = FSDirectory. 阅读全文

摘要： package hello; import java.io.IOException; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.standard.StandardAnalyzer; import org.apache.lucene.document.Document; imp... 阅读全文