大数据开发总体架构 什么是Spark Apache Spark是一个快速通用的集群计算系统，是一种与Hadoop相似的开源集群计算环境，但是Spark在某些工作负载方面表现得更加优越。它提供了Java、Scala、Python和R的高级API，以及一个支持通用的执行图计算的优化引擎。它还支持一组丰富的高级工具，包括使用SQL进行结构化数据处理的Spark SQL、用于机器学习的MLlib、用于图处理的GraphX，以及用于实时流处理的Spark Streaming。 Spark的主... ... [查看更多]
Views: 139
1、DataX 基本介绍 DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具，致力于实现包括：关系型数据库(MySQL、Oracle等)、HDFS、Hive、HBase、ODPS、FTP等各种异构数据源之间稳定高效的数据同步功能。 设计理念 为了解决异构数据源同步问题，DataX将复杂的网状的同步链路变成了星型数据链路，DataX作为中间传输载体负责连接各种数据源。当需要接入一个新的数据源的时候，只需要将此数据源对接到DataX，便能跟已有的数据源做到无缝数据同步。... ... [查看更多]
Views: 57
一、课前准备 安装好Hadoop集群 安装好kafka集群 二、课堂主题 学习Druid的架构、安装、使用 三、课堂目标 了解druid 了解druid的应用场景 了解druid架构原理 了解druid数据结构 安装部署druid 使用druid 四、知识要点 1. druid是什么 Druid是一个专为大型数据集上的高性能切片和OLAP分析而设计的数据存储系统。 它使用了分布式的、列式存储，支持实时分析 相比传统的OLAP系统，在处理PB级别数据、毫秒级查询、实时处理... ... [查看更多]
Views: 99
Apache Kylin 是一个开源的分布式存储引擎，最初由 eBay 开发贡献至开源 社区。它提供 Hadoop 之上的 SQL 查询接口及多维分析（OLAP）能力以支持大规 模数据，能够处理 TB 乃至 PB 级别的分析任务，能够在亚秒级查询巨大的 Hive 表，并支持高并发。 1.1、为什么要使用kylin 自从 10 年前 Hadoop 诞生以来，大数据的存储和批处理问题均得到了妥善解 决，而如何高速地分析数据也就成为了下一个挑战。于是各式各样的“SQL o... ... [查看更多]
Views: 63
一、课前准备 准备好大数据集群，启动所有的服务，例如hadoop，hbase，impala，hiveserver2，mysql等各种服务 二、课堂主题 本堂课主要介绍hue这个图形化的界面工具，以及与其他工具之间的整合使用 三、课堂目标 实现hue与其他框架的整合使用 四、知识要点 1、hue的基本介绍 HUE=Hadoop User Experience Hue是一个开源的Apache Hadoop UI系统，由Cloudera Desktop演化而来，最后Cloudera... ... [查看更多]
Views: 84
