大数据

1年前（2022-12-05） 1417浏览 0评论

背景 模型文件重要性不言而喻，除了权限控制以外定期备份也是一个必要的安全措施。公司在迁移机房前与模型训练相关的集群有两个，分别是位于同一个物理机房下的Hadoop Cluster A和Hadoop Cluster B，其中Cluster A作为算法专...

3年前（2021-09-18） 962浏览 0评论

背景 短期画像数据有一部分存储在HBase（Hadoop Cluster E）中，每天都需要备份[T-5,T]的数据。但是Azkaban执行机上的Hadoop环境和配置文件是为了在Cluster D上提交任务而配置的，和上述HBase隶属于不同的物理...

3年前（2021-09-08） 787浏览 0评论

背景 开始前不得不提一下，Cloudera在2021年向普通用户关闭了http://archive.cloudera.com/cdh5(6)/cdh/5(6)的下载权限还是挺可惜的，依赖下载地址继续开放也算是一件好事吧。 公司大数据计算/存储集群迁移...

3年前（2021-07-01） 785浏览 0评论

转载请注明：雪后西塘 » b

3年前（2021-01-26） 1451浏览 0评论

转载请注明：雪后西塘 » Spark读取大文件避免切块与分区

3年前（2020-11-20） 863浏览 0评论

背景 Spark官网提供spark-2.4.7-bin-without-hadoop.tgz、spark-2.4.7-bin-hadoop2.(6|7).tgz和spark-2.4.7.tgz (源代码)三种类型的压缩包下载，第二种是基于Hadoop...

4年前（2020-07-10） 1430浏览 0评论

转载请注明：雪后西塘 » Spark追加指定文件名文件到HDFS已有目录

4年前（2020-07-09） 3612浏览 0评论

OSS简介 阿里云对象存储OSS（Object Storage Service）是阿里云提供的海量、安全、低成本、高可靠的云存储服务。其数据设计持久性不低于99.9999999999%（12个9），服务可用性（或业务连续性）不低于99.995%。 O...

4年前（2020-05-20） 5732浏览 0评论

简介 Kafka Tool是一个用于管理和使用Apache Kafka®集群的GUI应用程序。 Kafka Tool提供了一个较为直观的UI可让用户快速查看Kafka集群中的对象以及存储在topic中的消息，提供了一些专门面向开发人员和管理员的功能，...

5年前（2019-06-30） 1715浏览 0评论

主题PDF列表 Apache Flink 1.9 特性解读 打造基于Flink Table API的机器学习生态 基于Flink on Kubernetes的大数据平台 大合影 资源下载 https://pan.baidu.com/s/1JV1eUu...

5年前（2019-04-19） 3847浏览 0评论

Flink程序在Debug的过程中为了方便看到代码执行详细和相关指标，支持ExecutionEnvironment创建带有UI的LocalEnvironment： ExecutionEnvironment environmentWithWebUI =...

5年前（2019-04-10） 867浏览 0评论

前言 由于Spark应用程序本身运行在JVM上运行，因此–verbose和–verbose:class选项都是可用的。–verbose会在输出设备上显示Java虚拟机运行的相关信息和Spark配置的详细信息，——v...