西兰花是真的菜

摘要： [Toc] ​ 在执行Spark的应用程序时，Spark集群会启动Driver和Executor两种JVM进程，前者为主控进程，后者负责执行具体的计算任务。由于Driver的内存管理相对简单，本文主要对Executor的内存管理进行分析，下文中的Spark内存均特指Executor的内存。 1.堆内 阅读全文

摘要： Shuffle的中文含义是混洗，官方定义是：一种让数据重新分布以使得某些数据被放在同一分区里的一种机制。Shuffle的过程中，存在着大量的网络消耗传输数据，会在磁盘上产生大量的中间文件，在平时的工作中了解shuffle的运行机制能帮助我们写出更优秀的代码。此篇文章从shuffle的含义开始讲起，按照spark中shuffle的几中不同运行机制进行了解析，并最终附上了一些shuffle调优的建议。 阅读全文

摘要： 本文将针对spark中的Driver和Executor讲起，简述了spark的运行流程，部署模式以及内部任务调度机制，希望针对spark on yarn任务执行过程进行尽可能好理解的解析 阅读全文

摘要： [TOC] 前言 ​ 我们都知道scala以简洁著称，怎么简单怎么来。对于scala的简洁语法，阔以说熟悉的人爱死scala，不熟悉的人被scala折磨死。对于scala这种语言，习惯了java的同学经常听到一些新的名词，不可思议而且神神秘秘，对，没错，说的就是你——隐式转换，掖着藏着，快让我窥探一 阅读全文

摘要： [TOC] 前言 平时我们在使用scala的时候，对scala的函数真的是有爱有恨，任意地方定义，形式简单，恨的是变种太多了，不熟悉的时候，真是让人累觉不爱。针对scala的函数，先来看看他的基本定义形式： 这个样子不好看，写个demo: ok，都没有问题，很简单嘛，平时习惯了java，大概也能看懂 阅读全文

摘要： 初学scala，和java存在很多不一致，有很多奇葩的语法，在日常使用中，可能自己不会这么写，但是很多存在于源码中，看源码的时候，经常看的一脸懵逼，因此在此总结部门差异点，部分。 文件名 1. java要求文件名和公共类名必须要求一致，scala不要求。 即 关键字 1. scala 中没有publ 阅读全文

摘要： [Toc] zk自带命令行工具，bin目录下zkCli 脚本，linux下可通过执行 zkCli.sh 连接 命令: 远程地址可选，不填情况下连接本地服务器 zk shell基本操作 创建 zk的四种节点类型 1. 持久节点 2. 持久顺序节点 3. 临时节点 4. 临时顺序节点 1.持久节点 数据 阅读全文

摘要： 下载地址 apache索引目录 "Index of /dist" 分布式部署 1. 选择3台机器，这里选择了3台机器 2. 创建一个data目录，存放zk数据 例如 3. 在每台机器的data目录下，创建文件 myid，按机器编号写入1，2，3 第一台机器 myid文件写入 1 第二台机器 myid 阅读全文

摘要： [Toc] zookeeper是什么 定义：zookeeper是一个开源的分布式协调服务，一个典型的分布式数据一致性解决方案。 前世今生：Yahoo创建，最初为 hadoop的子项目，是google Chubby的开源实现，现为Apache的顶级项目。 分布式应用程序可以基于zookeeper实现数 阅读全文

摘要： [TOC] Yarn的调度流程详解 1. Client端提交作业到ResourceManager中的ApplicationManager，申请JobID（唯一ID） 2. RM返回一个作业ID，并且将一个临时hdfs路径返回给 Client，要求Client将要上传的文件发送到这个临时目录中。（任务 阅读全文