杰克再造

摘要： 先说说概念 正向代理服务器就是我们平常说的代理服务器，一般在IE-Internet选项-连接-局域网设置，目的是通过代理服务器可以访问互联网上服务器的资源等 反向代理服务器，是用在服务器的主机前面的，用户接受外部的访问，在用户和真正的主机服务器之间加了一道屏障 目前有许多反向代理软件，比较有名的有  阅读全文

摘要： Shuffle是MR的核心和最重要的地方，也是性能弹性最大的地方 在Spark中，1.1版本之前，框架默认采用的shuffle是hash，1.1之后，默认采用了sort 从下图可以看出在数据量小，mapper和reducer都比较小的时候，二者的性能几乎一样，当数据量大的情况下，sort shuff 阅读全文

摘要： RDD的好处很多，缺点在于不支持增量的迭代计算，比如在task的前半段只做一半数据的处理，后续的task再加上后一半处理，这种需求不支持 还有就是不支持细粒度的更新和写操作 rdd.Partitions() : 需要知道数据分配在哪里，返回一个array，里面是partition对象，该对象指向了数 阅读全文

摘要： Tuple和List一样，是长度不变，内容也不可变的 Tuple的元素个数不能大于22个，否则编译出错 通过下标_n取数据，这是和List，Array的不同点 Tuple 不像List一样有map、flatMap 等方法直接操作元素，只能通过混入的ProductN（n代表1-22的数字） 的prod 阅读全文