2019年4月29日
关于hadoop的运行的一些指标监控（非cdh平台的）
摘要： 在hadoop-env.sh中添加： # 在配置namenode和datanode时都会有用到JMX_OPTS的代码，是为了减少重复提取出的公共代码 export JMX_OPTS="-Dcom.sun.management.jmxremote -Dcom.sun.management.jmxrem 阅读全文
posted @ 2019-04-29 18:04 niutao 阅读(1458) 评论(0) 推荐(0) 编辑
给hive的metastore做JVM优化
摘要： 最近在测试环境下，hive的metastore不稳定，于是做一次JVM优化 在hive-env.sh中 export HADOOP_HOME=/opt/cdh/hadoop-2.6.0-cdh5.14.0 if [ "$SERVICE" = "cli" ]; then if [ -z "$DEBUG 阅读全文
posted @ 2019-04-29 17:38 niutao 阅读(1575) 评论(0) 推荐(0) 编辑
编译phoneix源码，整合Hbase
摘要： Hbase版本：1.2.0-cdh5.14.0 1）：下载phoneix源码 链接:https://pan.baidu.com/s/1uryK_jLEekdXV04DRc3axg 密码:bkqg 2）：解压后，更改pom文件，指定你需要的cdh版本 因为我的是CDH5.14.0，所以要更改为我的版本 阅读全文
posted @ 2019-04-29 11:31 niutao 阅读(693) 评论(0) 推荐(0) 编辑
关于snappy的压缩 hadoop和hbase均支持
摘要： 临时做个随笔 下载snappy-1.1.1.tar.gz 解压后需要提前安装： yum -y update gccyum -y install gcc+ gcc-c++ 然后在解压后的snappy目录执行： ./confurati make make install 解压完毕会在/usr/local 阅读全文
posted @ 2019-04-29 01:04 niutao 阅读(344) 评论(0) 推荐(0) 编辑
2019年4月28日
实时同步到Hbase的优化-1
摘要： 最近没有管测试环境的，上去看了下，好家伙，kafka羁留了上百万数据，于是打算把数据同步到测试的Hbase库中，在这期间发现了插入性能问题 def putMapData(tableName: String , columnFamily:String, key:String , mapData:Map 阅读全文
posted @ 2019-04-28 18:58 niutao 阅读(591) 评论(0) 推荐(0) 编辑
2019年4月27日
关于Hbase的预分区，解决热点问题
摘要： Hbase默认建表是只有一个分区的，开始的时候所有的数据都会查询这个分区，当这个分区达到一定大小的时候，就会进行做split操作； 因此为了确保regionserver的稳定和高效，应该尽量避免region分裂和热点的问题； 那么有的同学在做预分区的时候，可能是按照： 1）： 通过Hbase提供的a 阅读全文
posted @ 2019-04-27 21:13 niutao 阅读(1233) 评论(0) 推荐(0) 编辑
网约车的车辆热点聚类1
摘要： 类似Uber，需要处理处不同时间段的不同地区的订单热点区域，帮助进行网约车的及时调度处理 每个成交单Order中，都会有订单上车位置的起始经纬度：open_lat , open_lng 那么在这个时间段内，哪些地区是高密集订单区域，好进行及时的调度，所以需要得到不同地区的热力图 初期想法是基于经纬度 阅读全文
posted @ 2019-04-27 20:52 niutao 阅读(1108) 评论(0) 推荐(0) 编辑
关于Hbase开启snappy压缩
摘要： 版本：自己编译的hbase-1.2.0-cdh5.14.0 默认情况下，Hbase不开启snappy压缩 , 所以在hbase的lib/native目录下什么也没有（我的前提是执行hadoop checknative可以看到hadoop是支持snappy的） 第一步： 需要将snappy-java- 阅读全文
posted @ 2019-04-27 16:42 niutao 阅读(2370) 评论(0) 推荐(0) 编辑
关于定时脚本crontab的坑
摘要： 需求： 每分钟执行一次程序，将处理后的数据写入mongodb 最初做法： 1）：写crontab没有响应，于是打算通过shell脚本的while true来执行 当时sb，没控制时间内，而且我还是用nohup XXXX.sh 2>&1 & 结果就是，几乎每一个瞬间启动一个jar，服务器内存瞬间沾满 阅读全文
posted @ 2019-04-27 14:18 niutao 阅读(864) 评论(0) 推荐(0) 编辑
2019年4月18日
记一次Hbase的行键过滤器事故问题
摘要： 数据总数：746条数据 因为后面需要进行算法合成，而且spark目前对这种算法支持并不好，因此采用代码编写，所以在查询hbase的过程中采用的是java直接查询， 但是为了加快查询速度，我尽可能的使用了过滤器 1：初期Hbase的rowkey组合：时间+"_"+订单id 查询思路： 1：能快速检索， 阅读全文
posted @ 2019-04-18 23:29 niutao 阅读(740) 评论(0) 推荐(0) 编辑
2019年4月13日
关于如何通过反射获取函数名称
摘要： 反射的包名：reflect 步骤： 1：根据传入函数获取函数的指针 2：通过指针获取函数名称 代码： func apply(op func(int , int) int , a,b int) int{ pointer:= reflect.ValueOf(op).Pointer() funcName 阅读全文
posted @ 2019-04-13 17:49 niutao 阅读(755) 评论(0) 推荐(1) 编辑
2019年4月10日
Hbase写Hfile报错：Trying to load more than 32 hfiles to one family of one region
摘要： 在写Hfile的时候 ，如果一个family下超过了默认的32个hfile，就会报如下错误： ERROR mapreduce.LoadIncrementalHFiles: Trying to load more than 32 hfiles to family d of region with st 阅读全文
posted @ 2019-04-10 13:29 niutao 阅读(2223) 评论(0) 推荐(0) 编辑
2019年3月30日
面试题：分层打印二叉树
摘要： 需求： 树的结构 需要按照如下的方式进行打印： 分析： 本文按照非递归的方式进行打印，其中的关键就是： 1）：使用队列保存当前要打印的节点 2）：当前层打印完毕后换行 代码： 全部代码： 阅读全文
posted @ 2019-03-30 20:18 niutao 阅读(917) 评论(0) 推荐(0) 编辑
Hbase合并Region的过程中出现永久RIT的解决
摘要： 在合并Region的过程中出现永久RIT怎么办？笔者在生产环境中就遇到过这种情况，在批量合并Region的过程中，出现了永久MERGING_NEW的情况，虽然这种情况不会影响现有集群的正常的服务能力，但是如果集群有某个节点发生重启，那么可能此时该RegionServer上的Region是没法均衡的。 阅读全文
posted @ 2019-03-30 15:47 niutao 阅读(1496) 评论(0) 推荐(0) 编辑
HBase总结 LSM理解
摘要： 转载的文章，觉得写的比较好 讲LSM树之前，需要提下三种基本的存储引擎，这样才能清楚LSM树的由来： 哈希存储引擎 是哈希表的持久化实现，支持增、删、改以及随机读取操作，但不支持顺序扫描，对应的存储系统为key-value存储系统。对于key-value的插入以及查询，哈希表的复杂度都是O(1)，明 阅读全文
posted @ 2019-03-30 14:26 niutao 阅读(3093) 评论(0) 推荐(0) 编辑
2019年3月27日
归并排序-对两个有序链表合并成一个有序链表
摘要： 需求 两个量表： 将上面的链表A和链表B合并成一个链表C，最终的顺序： 解决 使用归并排序中的合并阶段进行合并排序操作 阅读全文
posted @ 2019-03-27 19:57 niutao 阅读(826) 评论(0) 推荐(0) 编辑
归并排序 - 对一个数组进行排序
摘要： 第一步：做数组的拆分 第二步：排序 这一步需要两个指针：第一个指针是前面数组的初始指针 ， 第二个指针是另外一个数组的初始指针 做排序： 全部代码： public class MergeSort { public static void main(String[] args) { int[] arr 阅读全文
posted @ 2019-03-27 19:37 niutao 阅读(1798) 评论(0) 推荐(0) 编辑
2019年3月26日
spark的bulkload报错及解决
摘要： 需求 将HDFS上的数据解析出来，然后通过hfile方式批量写入Hbase（需要多列写入） 写入数据的关键api： rdd.saveAsNewAPIHadoopFile( stagingFolder, classOf[ImmutableBytesWritable], classOf[KeyValue 阅读全文
posted @ 2019-03-26 22:03 niutao 阅读(3610) 评论(4) 推荐(1) 编辑
2019年3月17日
算法：返回字符串中不重复的第一个字符串
摘要： package algorithm import java.util /** * Created by angel； */ object findStr { def main(args: Array[String]): Unit = { val str = "dddffffssxsadc" val toArray: Array[Char] = str.toArr... 阅读全文
posted @ 2019-03-17 17:52 niutao 阅读(503) 评论(0) 推荐(0) 编辑
2018年5月30日
flink⼿手动维护kafka偏移量量
摘要： flink对接kafka，官方模式方式是自动维护偏移量 但并没有考虑到flink消费kafka过程中，如果出现进程中断后的事情! 如果此时，进程中段: 1:数据可能丢失 但并没有考虑到flink消费kafka过程中，如果出现进程中断后的事情! 如果此时，进程中段: 1:数据可能丢失 1:数据可能丢失 阅读全文
posted @ 2018-05-30 12:34 niutao 阅读(3163) 评论(0) 推荐(1) 编辑
2018年5月24日
Mysql数据实时同步
摘要： 企业运维的数据库最常见的是 mysql;但是 mysql 有个缺陷:当数据量达到千万条的时候，mysql 的相关操作会变的非常迟缓; 如果这个时候有需求需要实时展示数据;对于 mysql 来说是一种灾难;而且对于 mysql 来说，同一时间还要给多个开发人员和用户操作; 所以经过调研，将 mysql 阅读全文
posted @ 2018-05-24 20:46 niutao 阅读(26536) 评论(0) 推荐(3) 编辑
2018年5月23日
Flink--将表转换为DataStream或DataSet
摘要： A Table可以转换成a DataStream或DataSet。通过这种方式，可以在Table API或SQL查询的结果上运行自定义的DataStream或DataSet程序 将表转换为DataStream 有两种模式可以将 Table转换为DataStream： 1：Append Mode 将一 阅读全文
posted @ 2018-05-23 20:32 niutao 阅读(5959) 评论(0) 推荐(0) 编辑
Flink--Table和DataStream和DataSet的集成
摘要： 将DataStream或DataSet转换为表格 在上面的例子讲解中，直接使用的是：registerTableSource注册表 对于flink来说，还有更灵活的方式：比如直接注册DataStream或者DataSet转换为一张表。 然后DataStream或者DataSet就相当于表，这样可以继续 阅读全文
posted @ 2018-05-23 20:30 niutao 阅读(2755) 评论(0) 推荐(0) 编辑
flink-SQL
摘要： Table API和SQL捆绑在flink-table Maven工件中。必须将以下依赖项添加到你的项目才能使用Table API和SQL： 另外，你需要为Flink的Scala批处理或流式API添加依赖项。对于批量查询，您需要添加： Table API和SQL程序的结构 Flink的批处理和流处理 阅读全文
posted @ 2018-05-23 20:27 niutao 阅读(527) 评论(0) 推荐(0) 编辑
2018年5月22日
Flink的容错
摘要： checkpoint介绍 checkpoint机制是Flink可靠性的基石，可以保证Flink集群在某个算子因为某些原因(如 异常退出)出现故障时，能够将整个应用流图的状态恢复到故障之前的某一状态，保 证应用流图状态的一致性。Flink的checkpoint机制原理来自“Chandy-Lamport 阅读全文
posted @ 2018-05-22 20:24 niutao 阅读(464) 评论(0) 推荐(0) 编辑
Flink--基于mysql的sink和source
摘要： 基于mysql的source操作 基于mysql的sink操作 阅读全文
posted @ 2018-05-22 20:18 niutao 阅读(803) 评论(0) 推荐(1) 编辑
Flink--sink到kafka
摘要： package com.flink.DataStream import java.util.Properties import org.apache.flink.api.common.serialization.SimpleStringSchema import org.apache.flink.streaming.api.scala.{DataStream, StreamExecution... 阅读全文
posted @ 2018-05-22 20:17 niutao 阅读(4056) 评论(1) 推荐(0) 编辑
Flink在流处理上常见的Source和sink操作
摘要： flink在流处理上的source和在批处理上的source基本一致。大致有4大类 1.基于本地集合的source（Collection-based-source） 2.基于文件的source（File-based-source） 3.基于网络套接字的source（Socket-based-sour 阅读全文
posted @ 2018-05-22 20:16 niutao 阅读(12306) 评论(1) 推荐(2) 编辑
Flink--Split和select
摘要： Split就是将一个DataStream分成两个或者多个DataStream Select就是获取分流后对应的数据 阅读全文
posted @ 2018-05-22 20:13 niutao 阅读(312) 评论(0) 推荐(0) 编辑
2018年5月21日
Flink--connect
摘要： 用来将两个dataStream组装成一个ConnectedStreams而且这个connectedStream的组成结构就是保留原有的dataStream的结构体；这样我们就可以把不同的数据组装成同一个结构 val env = StreamExecutionEnvironment.getExecutionEnvironment env.setParallelism(1) val src: Dat... 阅读全文
posted @ 2018-05-21 20:12 niutao 阅读(1406) 评论(0) 推荐(0) 编辑
Flink--Window apply
摘要： 和window的操作类似，只不过操作更加灵活，具体的操作需要在匿名内部类的方法中实现；当有比较复杂的需求时候，可以使用； 注意，例子中使用的是window，所以对应的匿名内部类是：WindowFunction 如果使用的是windowAll，则需要使用的内部类是：AllWindowFunction 阅读全文
posted @ 2018-05-21 20:11 niutao 阅读(688) 评论(0) 推荐(0) 编辑
Flink--time-window 的高级用法
摘要： EventTime 1.要求消息本身就应该携带 EventTime 2.时间对应关系如下 需求: EventTime 3 数据: 1527911155000,boos1,pc1,100.0 1527911156000,boos2,pc1,200.0 1527911157000,boos1,pc1,3 阅读全文
posted @ 2018-05-21 20:09 niutao 阅读(4643) 评论(0) 推荐(0) 编辑
Flink的Windows
摘要： 在讲解windows的众多操作之前，需要讲解一个概念： 源源不断的数据流是无法进行统计工作的，因为数据流没有边界，就无法统计到底有多少数据经过了这个流。也无法统计数据流中的最大值，最小值，平均值，累加值等信息。 如果在数据流上，截取固定大小的一部分，这部分是可以进行统计的。 截取方式主要有两种， 关 阅读全文
posted @ 2018-05-21 19:50 niutao 阅读(277) 评论(0) 推荐(0) 编辑
Flink的流处理--KeyBy
摘要： 逻辑上将一个流分成不相交的分区，每个分区包含相同键的元素。在内部，这是通过散列分区来实现的 阅读全文
posted @ 2018-05-21 19:47 niutao 阅读(7720) 评论(1) 推荐(1) 编辑
2018年5月20日
Flink的分布式缓存
摘要： Flink提供了一个类似于Hadoop的分布式缓存，让并行运行实例的函数可以在本地访问。这个功能可以被使用来分享外部静态的数据，例如：机器学习的逻辑回归模型等！ 缓存的使用流程： 使用ExecutionEnvironment实例对本地的或者远程的文件（例如：HDFS上的文件）,为缓存文件指定一个名字 阅读全文
posted @ 2018-05-20 19:46 niutao 阅读(922) 评论(0) 推荐(0) 编辑
Flink的广播变量
摘要： Flink支持广播变量，就是将数据广播到具体的taskmanager上，数据存储在内存中，这样可以减缓大量的shuffle操作； 比如在数据join阶段，不可避免的就是大量的shuffle操作，我们可以把其中一个dataSet广播出去，一直加载到taskManager的内存中，可以直接在内存中拿数据 阅读全文
posted @ 2018-05-20 19:44 niutao 阅读(1653) 评论(0) 推荐(0) 编辑
Flink--本地执行和集群执行
摘要： 本地执行 LocalEnvironment是Flink程序本地执行的句柄。用它在本地JVM中运行程序 - 独立运行或嵌入其他程序中。 本地环境通过该方法实例化ExecutionEnvironment.createLocalEnvironment()。默认情况下，它将使用尽可能多的本地线程执行，因为您 阅读全文
posted @ 2018-05-20 19:43 niutao 阅读(2067) 评论(1) 推荐(0) 编辑
Flink-- 数据输出Data Sinks
摘要： flink在批处理中常见的sink 基于本地集合的sink（Collection-based-sink） //1.定义环境 val env = ExecutionEnvironment.getExecutionEnvironment //2.定义数据 stu(age,name,height) val 阅读全文
posted @ 2018-05-20 19:41 niutao 阅读(4127) 评论(0) 推荐(0) 编辑
Flink--输入数据集Data Sources
摘要： flink在批处理中常见的source flink在批处理中常见的source主要有两大类。 在flink最常见的创建DataSet方式有三种。 基于本地集合的 import org.apache.flink.api.scala.{DataSet, ExecutionEnvironment, _} 阅读全文
posted @ 2018-05-20 19:38 niutao 阅读(1198) 评论(0) 推荐(0) 编辑
2018年5月19日
Flink--3种分区方式
摘要： partitionByHash Range-Partition sortPartition 根据指定的字段值进行分区的排序； 阅读全文
posted @ 2018-05-19 19:33 niutao 阅读(5746) 评论(0) 推荐(0) 编辑