2016年11月12日
golang channel本质——共享内存
摘要： channel是golang中很重要的概念，配合goroutine是golang能够方便实现并发编程的关键。channel其实就是传统语言的阻塞消息队列，可以用来做不同goroutine之间的消息传递，由于goroutine是轻量级的线程能够在语言层面调度，所以channel在golang中也常被用 阅读全文
posted @ 2016-11-12 11:20 bonelee 阅读(7385) 评论(0) 推荐(0)
STM 软件事务内存——本质是为提高并发，通过事务来管理内存的读写访问以避免锁的使用
摘要： 对Java程序员来说，我们对面向对象的编程（OOP）自然都是烂熟于胸的，但语言也极大地影响了我们构建面向对象应用程序的方式。（现在的OOP已经和Alan Kay当初创造这个词时候的初衷大不相同了，他的主要思想是采用消息传递并消灭所有状态数据（他认为，系统是由一些类似于生物细胞那样的对象构成的，这些对 阅读全文
posted @ 2016-11-12 10:47 bonelee 阅读(3083) 评论(0) 推荐(0)
2016年11月11日
elasticsearch 自定义_id
摘要： elasticsearch 自定义ID： 启动本地es，然后写入数据,data2.json： 通过批量插入上述数据： 可以看到新生成的文档_id为uuid的数值！ 阅读全文
posted @ 2016-11-11 20:18 bonelee 阅读(12047) 评论(0) 推荐(0)
自定义实现spark的分区函数
摘要： 有时自己的业务需要自己实现spark的分区函数 以下代码是实现一个自定义spark分区的demo 实现的功能是根据key值的最后一位数字，写到不同的文件 例如： 10写入到part-00000 11写入到part-00001 . . . 19写入到part-00009 自定义分区: 阅读全文
posted @ 2016-11-11 19:54 bonelee 阅读(3804) 评论(0) 推荐(0)
elasticsearch 路由文档到分片
摘要： 路由文档到分片 当你索引一个文档，它被存储在单独一个主分片上。Elasticsearch是如何知道文档属于哪个分片的呢？当你创建一个新文档，它是如何知道是应该存储在分片1还是分片2上的呢？ 进程不能是随机的，因为我们将来要检索文档。事实上，它根据一个简单的算法决定： routing值是一个任意字符串 阅读全文
posted @ 2016-11-11 19:02 bonelee 阅读(4703) 评论(2) 推荐(0)
spark streaming 入门例子
摘要： spark streaming 入门例子： spark shell 然后运行bash脚本，在tmp里写入数据，文件名随机： 结果为： 阅读全文
posted @ 2016-11-11 16:26 bonelee 阅读(1077) 评论(0) 推荐(0)
ElasticSearch-hadoop saveToEs源码分析
摘要： ElasticSearch-hadoop saveToEs源码分析： 类的调用路径关系为: 他们的作用： EsSpark，读取ES和存储ES的入口 EsRDDWriter，调用RestService创建PartitionWriter,对ES进行数据写入 RestService，负责创建 RestRe 阅读全文
posted @ 2016-11-11 14:36 bonelee 阅读(4736) 评论(0) 推荐(0)
2016年11月8日
spark 资源参数调优
摘要： 资源参数调优 了解完了Spark作业运行的基本原理之后，对资源相关的参数就容易理解了。所谓的Spark资源参数调优，其实主要就是对Spark运行过程中各个使用资源的地方，通过调节各种参数，来优化资源使用的效率，从而提升Spark作业的执行性能。以下参数就是Spark中主要的资源参数，每个参数都对应着 阅读全文
posted @ 2016-11-08 11:18 bonelee 阅读(4874) 评论(0) 推荐(1)
spark 任务运行原理
摘要： 调优概述 在开发完Spark作业之后，就该为作业配置合适的资源了。Spark的资源参数，基本都可以在spark-submit命令中作为参数设置。很多Spark初学者，通常不知道该设置哪些必要的参数，以及如何设置这些参数，最后就只能胡乱设置，甚至压根儿不设置。资源参数设置的不合理，可能会导致没有充分利 阅读全文
posted @ 2016-11-08 11:17 bonelee 阅读(10957) 评论(0) 推荐(2)
2016年11月7日
spark RDD底层原理
摘要： RDD底层实现原理 RDD是一个分布式数据集，顾名思义，其数据应该分部存储于多台机器上。事实上，每个RDD的数据都以Block的形式存储于多台机器上，下图是Spark的RDD存储架构图，其中每个Executor会启动一个BlockManagerSlave，并管理一部分Block；而Block的元数据 阅读全文
posted @ 2016-11-07 17:24 bonelee 阅读(6790) 评论(1) 推荐(0)