技术栈

摘要： 一、rsync概述 rsync（remote sync）远程同步，rsync是linux系统下的数据镜像备份工具。使用快速增量备份工具Remote Sync可以远程同步，支持本地复制，或者与其他SSH、rsync主机同步。已支持跨平台，可以在Windows与Linux间进行数据同步。 rsync监听 阅读全文

摘要： 一、前言 其实之前已经部署过了1.22.1版本了，基础概念和细节的东西这里就不再重复了，小伙伴可以参考我之前的文章哦： Kubernetes（k8s）基础概念介绍 Kubernetes（k8s）安装以及搭建k8s-Dashboard详解 Kubernetes（k8s） YAML文件详解 Kubern 阅读全文

摘要： 一、背景 每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小文件所需要的磁盘容量和数据块的大小无关。每个块的大小可以通过配置参数（dfs.blocksize）来规定，默认的大小128 阅读全文

摘要： 一、概述 hdfs 需要存写大量文件，有时磁盘会成为整个集群的性能瓶颈，所以需要优化 hdfs 存取速度，将数据目录配置多磁盘，既可以提高并发存取的速度，还可以解决一块磁盘空间不够的问题。 Hadoop 环境部署可以参考我之前的文章：大数据Hadoop之——Hadoop 3.3.4 HA（高可用）原 阅读全文

摘要： 一、前言 在 Hadoop 2.0.0 之前，一个集群只有一个Namenode，这将面临单点故障问题。如果 Namenode 机器挂掉了，整个集群就用不了了。只有重启 Namenode ，才能恢复集群。另外正常计划维护集群的时候，还必须先停用整个集群，这样没办法达到 7 * 24小时可用状态。Had 阅读全文

摘要： 一、概述 Livy是一个提供Rest接口和spark集群交互的服务。它可以提交Spark Job或者Spark一段代码,同步或者异步的返回结果;也提供Sparkcontext的管理,通过Restful接口或RPC客户端库。Livy也简化了与Spark与应用服务的交互,这允许通过web/mobile与 阅读全文

摘要： 一、前言 HBase的基本概念和环境部署，可以参考我之前的文章：列式存储的分布式数据库——HBase（环境部署） 二、命令行操作（hbase shell） 1）连接HBase 官方文档：https://hbase.apache.org/book.html#shell # 启动hbase服务，已启动可 阅读全文

摘要： 一、概述 HBase 是一个面向列式存储的分布式数据库，其设计思想来源于 Google 的 BigTable 论文。HBase 底层存储基于 HDFS 实现，集群的管理基于 ZooKeeper 实现。HBase 良好的分布式架构设计为海量数据的快速存储、随机访问提供了可能，基于数据副本机制和分区机制 阅读全文

摘要： 一、前言 MinIO的基础概念和环境部署可以参考我之前的文章：高性能分布式对象存储——MinIO（环境部署） 二、客户端操作MinIO Client（mc） 官方文档：https://docs.min.io/docs/minio-admin-complete-guide.html MinIO Cli 阅读全文

摘要： 一、概述 MinIO 是在 GNU Affero 通用公共许可证 v3.0 下发布的高性能对象存储。它与 Amazon S3 云存储服务 API 兼容。使用 MinIO 为机器学习、分析和应用程序数据工作负载构建高性能基础架构。 官方文档：https://docs.min.io/ 中文文档：http 阅读全文