大数据 - Spark系列《一》- 从Hadoop到Spark：大数据计算引擎的演进
通过本文，您将了解到Hadoop与Spark的基础知识，并掌握Spark编程的基本流程和实践经验。
Hadoop与Spark横向比较【大数据扫盲】
例如，对于非常大的数据集，如果超过了 Spark 可以缓存的内存大小，Spark 可能需要频繁地将数据换出到磁盘，这会降低其性能。但由于 Spark 的内存计算特性，如果节点失败，可能需要从头开始重新计算，而 Hadoop 的 MapReduce 由于每个阶段的结果都保存在磁盘中，因此可能更能容忍节
Hadoop-MapReduce-源码跟读-客户端篇
1、构建Configuration，并加载hadoop默认的配置文件core-default.xml、core-site.xml2、解析命令行参数，配置用户配置的环境变量3、设置Job信息，比如：主类、Mapper类、Reduce类、Combiner类、输出格式、输入输出文件等4、异步提交Job，实
大数据环境搭建(一)-Hive
Hive安装部署
Spark与Hadoop对比
通常情况下，Apache Spark运行速度是要比Apache Hadoop MapReduce的运行速度要快，因为Spark是在继承了MapRudece分布式计算的基础上做了内存计算的优化，从而避免了MapReduce每个阶段都要数据写入磁盘的操作，这样就减少了很多低效的I/O操作。
【hive】- 使用insert into/insert overwrite插入数据到静态分区、动态分区、动静态分区
使用insert into/insert overwrite插入数据到静态分区、动态分区、动静态分区
大数据实验报告英汉对照版（Hadoop安装与配置）
本实验的主要目的是通过在Docker容器中部署Hadoop集群来验证Hadoop对HDFS(分布式文件系统)和MapReduce的支持。通过这个实验，我们的目的是深入了解Hadoop的配置、启动和验证过程，以及Hadoop集群在分布式环境下的工作方式。
大数据开发必备工具——Hadoop及整体架构介绍
虽然处理大数据的框架并不是只有 Hadoop一种，但是 Hadoop 是免费的开源的，而且是当前应用最广泛的。它最强大的地方就在于能够利用最普通的机器解决了大规模数据存储和运算的问题。同时，Hadoop 在经过不断的发展之后也已经形成了自己的生态圈，很多不同的组件都可以与Hadoop 搭配使用。很多
基于Hadoop平台的音乐推荐系统的设计与实现
近年来，随着网络技术的发展，在线音乐平台成为人们听歌曲的首选。面对海量的音乐数据，用户们往往显得无从选择。听歌作为日常的娱乐放松方式，一首首的试听明显不太现实，所以需要进行一定程度的筛选。本论文根据此需求，设计并实现了一个音乐推荐系统。该系统是基于Spring Boot框架，运用到Hadoop平台中
Hadoop原理介绍
HDFS（Hadoop Distribute File System）：hadoop的数据存储工具。YARN（Yet Another Resource Negotiator,另一种资源协调者）：Hadoop 的资源管理器。Hadoop MapReduce:分布式计算框架
Hive权限管理
基于存储的授权 - 可以对Metastore中的元数据进行保护，但是没有提供更加细粒度的访问控制（例如：列级别、行级别）。基于SQL标准的Hive授权 - 完全兼容SQL的授权模型，推荐使用该模式。hive默认授权 - 设计目的仅仅只是为了防止用户产生误操作，而不是防止恶意用户访问未经授权的数据。
数据仓库与Hadoop：如何实现大规模数据处理
1.背景介绍数据仓库和Hadoop都是处理大规模数据的重要技术，它们在现代数据科学和人工智能中发挥着至关重要的作用。数据仓库是一种用于存储和管理大量历史数据的系统，主要用于数据分析和报告。而Hadoop是一个开源的分布式文件系统和数据处理框架，主要用于处理大规模、分布式的实时数据。在本文中，我们将深
[hive] sql中distinct的用法和注意事项
在 Hive SQL 中，DISTINCT用于去重查询结果中的行。它返回唯一的行，消除结果集中的重复项。以下是DISTINCT。
并行计算与大规模数据处理：Hadoop与Spark
1.背景介绍大数据是指由于互联网、物联网等新兴技术的发展，数据量巨大、高速增长、多源性、不断变化的数据。大数据处理技术是指利用计算机科学技术，对大规模、高速、多源、不断变化的数据进行存储、处理和挖掘，以实现数据的价值化。并行计算是指同时处理多个任务或数据，以提高计算效率。大规模数据处理是指处理的数据
三台CentOS7.6虚拟机搭建Hadoop完全分布式集群（二）
这个是笔者大学时期的大数据课程使用三台CentOS7.6虚拟机搭建完全分布式集群的案例，已成功搭建完全分布式集群，并测试跑实例。
Hadoop时代落幕，谁是大数据时代新宠？
这些年围绕Hadoop已经构建起来一个完整的生态，即使企业没有用Hadoop，但Hadoop的很多技术理念，比如Hadoop松耦合的架构体系、建立在通用硬件平台上的分布式系统设计，以及开放的数据标准和开源技术，早就超越了十几年前的HDFS、MapReduce 的范畴，在更多新兴技术中体现。唱衰Had
【2023】通过docker安装hadoop以及常见报错
准备安装的环境，最好是cenos的环境，相对问题会少一些，我因为是mac的内存比较珍贵，所以嫌麻烦就没安装虚拟机，所以问题非常多（所以还是不要嫌麻烦最好），就使用的是mac。的，该镜像除了hadoop还需要有jdk，所以需要先把jdk的包先准备好，因为要用到hive，我把hive的包也内嵌进去了，所
Dbeaver，Hudi，Hive，Spark，Presto应用问题及解决措施梳理
Dbeaver，Hudi，Hive，Spark，Presto应用问题及解决措施梳理
Hadoop原理之HDFS
hdfs由三部分组成:分别是 namenode,SecondaryNameNode,datanodenamenode: 主节点.1. 管理整个HDFS集群.2. 维护和管理元数据.SecondaryNameNode: 辅助节点.辅助namenode维护和管理元数据的.datanode: 从节点.1.
Hive-SQL语法大全
]，表示可选，如上[LOCATION]表示可写、可不写，表示或，如上ASC | DESC，表示二选一…，表示序列，即未完结，如上表示在SELECT后可以跟多个，以逗号隔开()，表示必填，如上(A | B | C)表示此处必填，填入内容在A、B、C中三选一。
