數(shù)據(jù)湖的基本特征 可以從數(shù)據(jù)和計算兩個層面進一步分析數(shù)據(jù)湖應(yīng)該具備哪些特征。在數(shù)據(jù)方面: “保真性”。數(shù)據(jù)湖中對于業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)都會存儲一份“一模一樣”的完整拷貝。與數(shù)據(jù)倉...
數(shù)據(jù)湖的基本特征 可以從數(shù)據(jù)和計算兩個層面進一步分析數(shù)據(jù)湖應(yīng)該具備哪些特征。在數(shù)據(jù)方面: “保真性”。數(shù)據(jù)湖中對于業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)都會存儲一份“一模一樣”的完整拷貝。與數(shù)據(jù)倉...
一、什么是數(shù)據(jù)湖 數(shù)據(jù)湖是目前比較熱的一個概念,許多企業(yè)都在構(gòu)建或者計劃構(gòu)建自己的數(shù)據(jù)湖。但是在計劃構(gòu)建數(shù)據(jù)湖之前,搞清楚什么是數(shù)據(jù)湖,明確一個數(shù)據(jù)湖項目的基本組成,進而設(shè)計...
Apache Flink的Exactly-Once機制 Apache Flink是目前市場最受關(guān)注的流計算處理引擎,相較于Spark Streaming的依托Spark Co...
什么是Exactly-Once一致性語義 Apache Spark的Exactly-once機制 Apache Flink的Exactly-once機制 Exactly-On...
DataSet 一、Source算子 1. fromCollection fromCollection:從本地集合讀取數(shù)據(jù) 例: 2. readTextFile readTe...
1. RDD復(fù)用 在對RDD進行算子時,要避免相同的算子和計算邏輯之下對RDD進行重復(fù)的計算: 對上圖中的RDD計算架構(gòu)進行修改,得到如下圖所示的優(yōu)化結(jié)果: 2. 盡早fil...
使用explode函數(shù)將hive表中的Map和Array字段數(shù)據(jù)進行拆分 lateral view用于和split、explode等UDTF一起使用的,能將一行數(shù)據(jù)拆分成多行...
聚合函數(shù) 注意:聚合操作時要注意null值count(*) 包含null值,統(tǒng)計所有行數(shù)count(id) 不包含null值min 求最小值是不包含null,除非所有值都是n...
單表查詢 注意:1、order by 會對輸入做全局排序,因此只有一個reducer,會導(dǎo)致當輸入規(guī)模較大時,需要較長的計算時間。2、sort by不是全局排序,其在數(shù)據(jù)進入...
1、對數(shù)據(jù)庫的操作 創(chuàng)建數(shù)據(jù)庫: 修改數(shù)據(jù)庫: 說明:可以使用alter database 命令來修改數(shù)據(jù)庫的一些屬性。但是數(shù)據(jù)庫的元數(shù)據(jù)信息是不可更改的,包括數(shù)據(jù)庫的名稱...
第一部分: hive模糊搜索表:show tables like '*name*'; 查看表結(jié)構(gòu)信息:desc table_name; 查看分區(qū)信息:show partiti...
Flink CDC介紹 CDC全稱是Change Data Capture,捕獲變更數(shù)據(jù),比如數(shù)據(jù)庫捕獲完整的變更日志記錄增、刪、改等,都可以稱為CDC。該功能被廣泛應(yīng)用于數(shù)...
介紹 LEFT SEMI JOIN (左半連接)是 IN/EXISTS 子查詢的一種更高效的實現(xiàn)。 示例 可以改寫為 特點 1、left semi join 的限制是, JO...
一、前言 分布式系統(tǒng)中我們會對一些數(shù)據(jù)量大的業(yè)務(wù)進行分拆,如:用戶表,訂單表。因為數(shù)據(jù)量巨大一張表無法承接,就會對其進行分庫分表。 但一旦涉及到分庫分表,就會引申出分布式系統(tǒng)...
基于Redis的令牌桶算法 令牌桶算法提及到輸入速率和輸出速率,當輸出速率大于輸入速率,那么就是超出流量限制了。也就是說我們每訪問一次請求的時候,可以從Redis中獲取一個令...
溫馨提示 : 本文非小白科普文 開窗函數(shù)簡介 MYSQL 暫時還未對開窗函數(shù)給予支持。 測試數(shù)據(jù) 01、count 開窗函數(shù) select username,product,...
FIRST_VALUE:取分組內(nèi)排序后,截止到當前行,第一個值。LAST_VALUE:取分組內(nèi)排序后,截止到當前行,最后一個值。LEAD(col,n,DEFAULT):用于統(tǒng)...
在大規(guī)模數(shù)據(jù)量的數(shù)據(jù)分析及建模任務(wù)中,往往針對全量數(shù)據(jù)進行挖掘分析時會十分耗時和占用集群資源,因此一般情況下只需要抽取一小部分數(shù)據(jù)進行分析及建模操作。Hive提供了數(shù)據(jù)取樣 ...
1、開啟FetchTask 一個簡單的查詢語句,是指一個沒有函數(shù)、排序等功能的語句,當開啟一個Fetch Task功能,就執(zhí)行一個簡單的查詢語句不會生成MapRreduce作...
問題:為什么 broadcast 只有 只讀 的變量? 這就涉及一致性的問題,如果變量可以被更新,那么一旦變量被某個節(jié)點更新,其他節(jié)點要不要一塊更新?如果多個節(jié)點同時在更新,...