zp的博客

原创 HDFS核心源码解析(三)——DataNode的心跳机制

DataNode在启动之后会周期性地向NameNode发送心跳，那么内部是如何实现的呢？

原创 HDFS核心源码解析(二)——DataNode的启动及注册流程

本文介绍DataNode启动流程，主要包括1. 创建一个DataNode对象2. 启动DataNode执行DataNode的初始化3. 初始化DataStorage4. 初始化DataXceiverServer5. 启动HttpServer服务并注册sevlet6. 初始化RPC7. 创建一个BlockPoolManager，遍历BPOfferService中的BPServiceActor对象的start方法，实际向集群里面的每个NameNode进行注册和心跳8. 获取NameNode代理

原创 HDFS核心源码解析(一)——NameNode的启动流程

本文通过源码的方式详解了NameNode的启动流程1. 通过createNameNode 创建new NameNode对象2. NameNode在创建后立刻执行initialize方法3. 创建并启动HttpServer4. 加载元数据FSNamesystem5. 创建并启动NameNodeRpcServer对象6. 公共服务的检查，磁盘空间、安全模式7. 最后提供了一张大图，对NameNode启动流程做了总结

原创 Hive个人笔记总结

Hive是一个数据仓库软件Hive主要使用HQL（类sql）来分析已经存储在分布式设备(HDFS)上的数据Hive的本质是将用户编写的HQL，转换为MR/spark程序，对数据进行分析Hive分析的数据必须是结构化的数据，在分析之前，用户需要对数据创建表结构Hive的表结构(shema)存储在关系型数据库中，数据是存储在HDFS上，二者通过表进行映射Hive基于OLAP设计，基于OLAP设计的软件，一般重分析，延时高！

转载 ZooKeeper学习笔记【转】

Zookeeper是一个开源的分布式的，为分布式应用提供协调服务的 Apache 项目。Zookeeper从设计模式角度来理解：是一个基于观察者模式设计的分布式服务管理框架，它负责存储和管理大家都关心的数据，然后接受观察者的注册，一旦这些数据的状态发生变化，Zookeeper就将负责通知已经在Zookeeper上注册的那些观察者做出相应的反应。

原创 shell批量复制脚本(rsync)【直接复制拿走】

这篇文章主要介绍了批量复制scp、rsync及执行命令shell脚本，在大数据多机器部署或者日常的运维操作，能减少我们很大的工作量，提升效率

原创 Maven搭建SpringCloud项目(eureka、gateway、路由转发)【无敌详细图文】

本文将向读者介绍如果使用Maven搭建SpringCloud项目，基于父子模块结构，搭建eureka注册中心模块/业务模块/路由网关gateway模块，图文并茂超级详细哦，傻瓜式教学，还看不懂劝退！！！一 、下载最基本的spring cloud项目1.1 进入spring官网下载项目：https://start.spring.io/选择项，如图所示，最后添加一个Eureka Server依赖，最后点击GENERATE按钮，下载到本地并解压1.2 打开IDEA， 点击open按..

原创 JAVA获取当前日期或指定日期的前N天的日期集合

因为最近的业务系统需求，前端有两个时间选择框，分别为startTime和endTime，用户展示一段时间内的折线图，但是如果用户选择的时间段太长，折线图时间轴太密集，展示效果十分不佳，于是我使用java代码书写了一个时间工具类，可以返回当前日期或指定日期的前N天的日期集合，如果传入的开始时间和结束时间间隔太大，还可以自动适应时间。废话不多说，直接上代码。

原创 MySQL计数器、每日计数器表设计与调优

计数器如果应用在表中保存计数器，则在更新计数器时可能碰到并发问题。计数器表在Web应用中很常见。可以用这种表缓存一个用户的朋友数、文件下载次数等。创建一张独立的表存储计数器通常是个好主意，这样可使计数器表小且快。使用独立的表可以帮助避免查询缓存失效，并且可以使用本节展示的一些更高级的技巧。应该让事情变得尽可能简单，假设有一个计数器表，只有行数据，记录网站的点击次数:CREATE TAB...

原创 MySQL数据类型与优化

关于数据类型的优化1、假如只需要存0~255之间的数，无负数，应使用tinyint unsigned(保证最小数据类型)2、如果长度不可定，如varchar，应该选择一个你认为不会超过范围的最小类型比如: varchar(20)，可以存20个中文、英文、符号，不要无脑使用varchar(150)3、整形比字符操作代价更低。比如应该使用MySQL内建的类型(date/time/dateti...

原创 git从gitlab拉取最新的代码到本地

1、Git下载地址https://www.git-scm.com/download/win2、安装Git(安装步骤参考https://www.cnblogs.com/xwgcxk/p/9209237.html)3、从管理员手中拿到用户名、邮箱、密码假设用户名为: itcats_cn邮箱为[email protected]密码为123456784、初始化git信息(...

原创 版本控制工具Git详解

一、Git和SVN的区别？这是一个学Git无法绕开的话题，也是面试的常见题，我猜很多人的回答都是百度上直接背的，有了解过SVN底层的实现原理吗？SVN是一种集中式版本控制工具，SVN架构如图：A、B、C三个开发者如果需要提交自己的代码到远程仓库，必须联网(上传)，上传之后SVN仓库内部做了什么？假设用户A提交代码，会将用户A改动过的A.java提交给SVN仓库，仓库中记录的...

原创 ElasticSearch基于version进行乐观锁并发控制实战解析

一、ES解决并发问题的实质ES在多线程异步修改数据时，是根据_version(版本号)来进行乐观锁控制的。1.1 了解_version是什么1、在第一次创建document的时候，该document的_version版本号为1，每次对document进行修改、删除操作，document的_version版本号加1PUT /test_index/test_type/6{...

原创 CSS选择器总结 思维导图

转载 Java8新特性 利用流和Lambda表达式对List集合进行处理

最近在做项目的过程中经常会接触到 lambda 表达式，随后发现它基本上可以替代所有 for 循环，包括增强for循环。也就是我认为，绝大部分的for循环都可以用 lambda 表达式改写。lambda表达式有它自己的优点：（1）简洁，（2）易并行计算。尤其适用于遍历结果，循环计算数值或者赋值的时候非常方便。缺点: （1）若不用并行计算，很多时候计算速度没有比传统的 for 循环快。　...

原创 Java数组/List集合 转 JSON 字符串

1. 导入fastjson依赖2.转换代码public class Test{ public static void main(String[] args) { /* 需求: 将product数组(List) 转成 JSON 字符串 业务场景: 数据库查出的数据,经过数据分类处理后得到List/Arr,需要到前端Ec...

原创 cellspacing和cellpadding区别

cellspacing和cellspadding区别属性 含义 常用属性值 cellspacing 设置单元格与单元格边框之间的空白间距 像素值(默认为2px) cellspadding 设置单元格内容与单元格边框之间的空白距离 像素值(默认为1px) 不使用任何的cellspacing和cellspdding修饰：<table bo...

原创 Spring Security入门【基于配置文件和数据库】

一、引言安全包括两个主要操作。“认证”，是为用户建立一个他所声明的主体。主题一般指用户，设备或可以在系统中执行动作的其他系统。简单来说，校验账号密码是否正确，就是"认证"的过程。“授权”，指的是一个用户能否在你的应用中执行某个操作，在到达授权判断之前，身份的主题已经由身份验证过程建立了。简单来说，就是用户是否有权利执行某项操作，而这个授权的过程一般已在数据库约定好了。对于安全框架，一般...

原创 Spark Core入门2【RDD的实质与RDD编程API】

一、对RDD操作的本质RDD的本质是一个函数,而RDD的变换不过是函数的嵌套.RDD有两类:输入的RDD: 典型如KafkaRDD、JDBCRDD 转换的RDD: 如MapPartitionsRDDRDD的处理流程:以如下代码为例:sc.textFile("abc.log").map().saveAsTextFile("")1. textFile 会构建出一个NewHad...

转载 RDD的几种创建方式

一、RDD简介RDD是Spark的核心抽象，全称为Resillient Distributed Dataset，即弹性分布式数据集 RDD在抽象上来说是一种元素集合，包含了数据。它是被分区的，分为多个分区，每个分区分布在集群中的不同节点上(分区即partition)，从而让RDD中的数据可以被并行操作。(分布式的特性) RDD通常通过Hadoop上的文件，即HDFS文件，来进行创建；有时也...

原创 Spark Core入门1【Spark集群安装、高可用、任务执行流程、使用Scala/Java/Lambda编写Spark WordCount】

一、Spark介绍Spark是一种快速、通用、可扩展的大数据分析引擎，包含SparkSQL、SparkStreaming、GraphX、MLlib等子项目。Spark是基于内存计算的大数据并行计算框架。Spark基于内存计算，提高了在大数据环境下数据处理的实时性，同时保证了高容错性和高可伸缩性，允许用户将Spark部署在大量廉价硬件之上，形成集群。Spark的优点：1、快：与Ha...

原创 基于Akka模拟Spark中Master和Worker的通信过程

一、Spark中Master与Worker之间的通信过程1、在启动时，Worker会向Master注册自己的信息(内存、核数等)，以便2、Master收到各Worker的注册信息后，会回复Worker已注册成功的信息3、worker收到master的注册成功信息后，会定期向Master发送心跳包，回报自己的状态信息4、Master定期收到Worker的心跳信息后，会更新各个Wo...

原创 基于Scala的并发编程模型Akka

一、Akka概念 Akka是JVM平台上构建高并发、分布式和容错应用的工具包和运行时环境。Akka用Scala语言编写，同时提供了Scala 、JAVA的开发接口。二、Akka中Actor模型2.1 Actor模型介绍 Akka处理并发的方法基于Actor模型。在基于Actor的系统里，所有的事物都是Actor。...

原创 ElasticSearch-head安装配置教程

安装ElasticSearch图形管理界面ElasticSearch-head《elasticsearch-head》Github地址安装之前做一些准备工作，将itcats用户切换到root用户suecho "itcats ALL = (root) NOPASSWD:ALL" | tee /etc/sudoers.d/itcats返回： itcats ALL = (roo...

原创 ElasticSearch入门

全文搜索属于最常见的需求，开源的 Elasticsearch是目前全文搜索引擎的首选。它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。ElasticSearch 的底层是开源库 Lucene，Elasticsearch 是 Lucene 的封装，它提供了 REST API 的操作接口，开箱即用。本文从零开始，讲解如何使用 Elas...

原创 ElasticSearch单机/集群搭建教程

本文将介绍ElasticSearch单机版与集群版的安装与配置，ElasticSearch依赖JRE，注意机器是否安装JDK8【最低版本要求就是JDK8】，且JDK环境变量是否已配置完成java -versionecho $JAVA_HOME一、下载《从官网下载ElasticSearch》二、上传安装包到虚拟机解压到/usr/local/下三...

原创 Sqoop快速入门【导入数据到HDFS与导出数据到数据库】

1、Sqoop概述Sqoop - “SQL到Hadoop和Hadoop到SQL”sqoop是apache旗下一款"Hadoop和关系数据库服务器之间传送数据"的工具。导入数据：MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统；导出数据：从Hadoop的文件系统中导出数据到关系数据库mysql等。2、工作机制将导入或导出命...

原创 StringUtils中 isNotEmpty 和isNotBlank的区别【Java字符串判空】

StringUtils方法的操作对象是java.lang.String类型的对象，是JDK提供的String类型操作方法的补充，并且是null安全的(即如果输入参数String为null则不会抛出NullPointerException，而是做了相应处理。例如，如果输入为null则返回也是null等，具体可以查看源代码)。除了构造器，StringUtils中一共有130多个方法，并且都是static的，所以我们可以这样调用StringUtils.xxx()

原创 Flume快速入门

前言在一个完整的离线大数据处理系统中，除了HDFS+MapReduce+Hive组成分析系统的核心之外，还需要数据采集、结果数据导出、任务调度等不可或缺的辅助系统，而这些辅助工具在Hadoop生态体系中都有便捷的开源框架，如图所示：图：典型大规模离线数据处理平台一、Flume日志采集框架1.1 概述Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输...

原创 HBase原理详解【Master、Region Server内部机制、Zookeeper、读写数据流程、hbase:meta表】

一、HBASE运行原理组件结构图二、各组件的职责2.1 MASTER职责1、管理HRegionServer，实现其负载均衡。2、管理和分配HRegion，比如在HRegion split时分配新的HRegion；在HRegion Server退出时迁移其负责的HRegion到其他HRegionServer上。3、Admin职能：创建、删除、修改Table的定...

原创 HBase快速入门【集群安装配置、读写过程、表模型、命令行、API】

HBase官方文档地址：http://hbase.apache.org一、简单看看HBase与MySQL、Hive的区别二、什么是HBaseHBASE是一个数据库----可以提供数据的实时随机读写HBase与MySQL、Oralce、DB2、SQLServer等关系型数据库不同，它是一个NoSQL数据库（非关系型数据库）HBase的表模型与关系型数据库的表...

原创 用生活举例看Java多线程活跃性问题【死锁、饥饿、活锁】

死锁：吃饭问题，5个人每人只有一双筷子，只有让另外一个人分享他自己的筷子给自己，自己才能吃到饭。若存在这样的情况，若每个人都不把自己的筷子借给别人用餐，每个人都抓着自己手中的筷子不放，那么每个人都吃不上饭饿死了。也就是说A线程拥有B线程所需的资源，B线程也有A线程所需资源，但两者都不把资源分享出来，最后需求达不到，最后饿死。饥饿问题：学校饭堂排队打饭，但有些人无秩序插队，那么插队的人拥有...

原创 数据结构——哈希表

一、从一道Leetcode题目认识哈希表387.字符串中的第一个唯一字符因为该字符串只包含小写字母，即只存在a-z 26个小写字母，我们将其a-z对应到数组0-25索引的位置，出现一次，index+1代码编写：class Solution { public int firstUniqChar(String s) { int[] freq = new...

原创 深入理解Hive【Hive架构介绍、安装配置、Hive语法介绍】

一、Hive的产生背景1、MapReduce编程十分繁琐2、传统RDBMS人员的需要Hive由Facebook开源项目：1、用于解决海量结构化日志的数据统计问题2、构建在Hadoop之上的数据仓库3、Hive提供SQL查询语言：HQL4、底层支持多种不同的执行引擎【MR/Tez/Spark】1.x默认为MR 2.x默认为Spark 当然也可以设置为Te...

转载 Hive文件格式之textfile,sequencefile和rcfile的使用与区别详解

hive在创建表时默认存储格式是textfile,或者显示自定义的stored as textfile。很多人知道hive常用的存储格式有三种，textfile,sequencefile,rcfile，但是却说不清楚这三种格式的干什么用的，本质有有什么区别？适合什么时候用？为什么hive会有多种存储格式？因为hive是文本批处理系统，所以就存在一个往hive中导入数据的问题，首先数据的存储...

原创 Linux安装和配置MySQL5.7【修改密码、修改字符集等配置】

安装配置MySQL ，看这篇文章就够了。本文包括mysql安装，默认密码获取与修改，修改MySQL默认编码字符集，防火墙关闭CentOS6、CentOS7均可用一、下载和安装mysql源先下载 mysql源安装包[root@localhost ~]# wget https://dev.mysql.com/get/mysql57-community-release-el7...

原创 MapReduce词频统计【自定义复杂类型、自定义Partitioner、NullWritable使用介绍】

一、MapReduce1.0运行模型二、MapReduce编程模型之执行步骤1、准备map处理的输入数据2、交给Mapper进行处理3、Shuffle【规则可以自己控制】4、Reduce处理[合并、归并]5、输出MapReduce处理流程InputFormat读数据，通过Split将数据切片成InputSplit，通过RecordReader读取记...

原创 Yarn框架深入理解【Yarn集群配置】

一、Yarn框架产生的背景与原因我们都知道Hadoop诞生的目标是为了支持十几台机器的搜索服务，但是随着数据的增加，数据的可用性也是一个待解决的问题。但是Hadoop框架的自身问题限制了集群的发展。首先是，JobTracker和NameNode的单点问题，严重制约了集群的扩展和可靠性。MapReduce采用了基于slot的资源分配模型，slot是一种粗粒度的资源 划分单位，通常一个...

原创 MapReduce工作流程超详细解释

MapReduce是我们再进行离线大数据处理的时候经常要使用的计算模型，MapReduce的计算过程被封装的很好，我们只用使用Map和Reduce函数，所以对其整体的计算过程不是太清楚，同时MapReduce1.0和MapReduce2.0在网上有很多人混淆。MapReduce1.0运行模型InputInput但是输入文件的存储位置，但是注意这里并一定是一些博客说的当然是...

原创 Scala中的reduceLeft,reduceRight,foldLeft,foldRight方法

scala中集合类iterator特质的化简和折叠方法c.reduceLeft(op)这样的调用将op相继应用到元素，如：eg:val a = List(1,7,2,9)val a1 = a.reduceLeft(_ - _)// ((1-7) - 2) - 9 = -17c.reduceRight(op)这样的调用将op相继应用到元素，如：var b ...