spark

liuxuecheng 2年前 (2018-01-31) 20850浏览 0评论

1.背景 在使用spark开发分布式数据计算作业过程中或多或少会遇到如下的错误： Serialization stack: object not serializable (class:class: org.apache.hadoop.h...

liuxuecheng 3年前 (2017-07-11) 12048浏览 2评论

版权申明：转载请注明出处。 文章来源：大数据随笔 1.spark作业配置的三种方式 读取指定配置文件，默认为conf/spark-defaults.conf。 在程序中的SparkConf中指定，如conf.setAppName(...

liuxuecheng 3年前 (2017-06-14) 3115浏览 0评论

版权申明：转载请注明出处。 文章来源：大数据随笔 1.简介 分布式计算框架中，各种配置文件、jar包、数据文件等都是通过分布式文件缓存进行下发的。这种方式将作业所需的资源文件下发到执行作业的各个节点上，作业执行过程中文件不再改动。 关于h...

liuxuecheng 3年前 (2017-06-08) 4405浏览 2评论

版权申明：转载请注明出处。 文章来源：bigdataer.net 1.什么是spark-streaming？ 实际生产中会有许多应用到实时处理的场景，比如：实时监测页面点击，实时监测系统异常，实时监测来自于外部的攻击。针对这些场景，twi...

liuxuecheng 3年前 (2017-03-13) 2354浏览 0评论

版权申明：转载请注明出处。 文章来源：大数据随笔 1.概述 数据准确性，稳定性，时效性是数据开发中需要重点关注的，一般称之为数据质量。保证数据质量往往会占用数据开发工程师的很多精力，所以一个好的数据监控系统或者一个合理的数据监控方案对于数...

liuxuecheng 3年前 (2017-03-13) 3530浏览 2评论

版权申明：转载请注明出处。 文章来源：大数据随笔 1.什么是spark-streaming？ 实际生产中会有许多应用到实时处理的场景，比如：实时监测页面点击，实时监测系统异常，实时监测来自于外部的攻击。针对这些场景，twitter研发了实...