分布式(Hadoop\Spark)
Hadoop 是一个开源的分布式计算框架，主要用于处理大规模数据集。它提供了一个可靠、可扩展且高效的存储和处理平台，特别适用于需要存储和处理海量数据的应用。Hadoop 采用分布式存储和计算模型，能够在成千上万的节点上处理数据，支持大数据的存储、处理和分析。HDFS（Hadoop Distribut
基于java+springboot的spark的汽车行业大数据分析系统
基于 Java+Spring Boot 和 Spark 的汽车行业大数据分析系统是一款为汽车行业提供深度洞察的智能分析平台。系统可从多渠道收集数据，包括汽车销售数据（车型、销量、价格、地域分布等）、售后服务数据（维修记录、故障类型、配件使用等）、用户调研数据（满意度、偏好等）以及网络舆情数据（消费者
推荐几种主流数据仓库：深度剖析与对比
虽然Hadoop本身不是数据仓库，但它提供了数据仓库的基础架构，并与Hive、HBase等工具配合使用，构建出完整的数据仓库解决方案。Apache Hive是一个基于Hadoop的开源数据仓库系统，它将数据存储在HDFS（Hadoop Distributed File System）中，并提供了类似
大数据之数据仓库的分层：ODS/DWD/DWS/ADS
ETL层（Extract-Transform-Load）：数据清洗层，存原始数据；ODS层（Operational Data Store）：操作数据源层；CDM层（Common Dimensional Model）：公共维度模型层，主要包括DWD层（Data Warehouse Detail 数据明
EMR Spark-SQL性能极致优化揭秘 Native Codegen Framework
本文介绍了EMR团队在Spark Native Codegen方向的探索实践，限于篇幅若干技术点和优化没有展开，后续可另开文详解，例如:1.极致Native算子优化2.数据转换详解3.Weld Dict优化大家感兴趣的任何内容欢迎沟通: )EMR Spark-SQL性能极致优化揭秘 Native C
spark-on-k8s 介绍
spark客户端提交任务到apiserver，创建driverdriver根据配置，创建指定数量的executordriver调度task到指定的executor计算数据域和计算域都在executor任务结束之后，driver销毁所有executor，同时自己也退出，也可以根据配置选择保留exe
大数据-223 离线数仓 - 数仓 概念篇 业务分析 数据埋点 指标体系 维度拆解
类似某东、某宝、某猫，电商网站采用商家入驻的方式，商家入驻平台提交申请。网站前台，网站首页、商家首页、商品详情页、搜索页、会员中心、订单与支付相关、秒杀频道运营商后台，运营人员的管理平台，主要功能包括：商家审核、品牌管理、规格管理、模板管理、商品分类管理、商品审核、广告类型管理、广告管理、订单查询、
Spark 程序开发与提交：本地与集群模式全解析
本文将深入探讨 Spark 程序在本地开发并远程提交到集群测试的过程，以及使用 spark - submit 脚本在集群模式下提交程序的相关知识，包括参数配置、运行模式等内容。
python基于Spark的温布尔登特色赛赛事数据分析预测及算法
Django-Admin来自django.contrib也就是Django的标准库，默认被配置好，只需要激活启用即可，它的优势在于可以快速对数据库的各个表进行增删改查，一行代码即可管理一张数据库表，相比于手动后台1个模型一般需要4个urls，4个视图函数和4个模板，可以说Django完成了一个程序编
如何在 Kubernetes 上部署 Spark
在 Kubernetes 中部署 Spark，可以充分利用 Kubernetes 的容器编排和自动扩展能力，让 Spark 集群能够根据工作负载动态调整。这个过程虽然涉及多个复杂的步骤，但 Kubernetes 的工具链（如 Helm、kubectl 等）以及 Spark 提供的 Kubernete
【Kafka】集成案例：与Spark大数据组件的协同应用
随着大数据技术的不断发展，实时数据处理和分析成为企业数字化转型的关键需求。Apache Kafka 作为一种高吞吐量的分布式消息队列系统，能够高效地处理大量数据流。而 Apache Spark 作为一种通用的大数据处理框架，提供了丰富的数据处理和分析能力。将 Kafka 与 Spark 结合使用，可
|动漫爬取|001_djangodjango基于Spark的国漫推荐系统的设计与实现2024_tpd6q1o4
博主介绍：CodeMentor毕业设计领航者、全网关注者30W+群落，InfoQ特邀专栏作家、技术博客领航者、InfoQ新星培育计划导师、Web开发领域杰出贡献者，博客领航之星、开发者头条/腾讯云/AWS/Wired等平台优选内容创作者、深耕Web开发与学生毕业设计实战指导，与高校教育者/资深讲师/
Spark on YARN：Spark集群模式之Yarn模式的原理、搭建与实践
本文将深入探讨为什么要将 Spark 程序运行在 YARN 上而不是 Spark 自带的 Standalone 集群上，详细介绍 Spark 的 YARN 集群搭建过程，以及在 YARN 模式下不同 deploy mode 的区别，并结合实际测试案例，帮助读者全面理解 Spark on YARN 这
GitHub Spark：GitHub 推出零代码开发应用的 AI 编程产品
GitHub Spark 是一个基于 AI 的大模型编程产品，允许用户通过自然语言描述来创建和分享微应用程序，无需编写代码，即可在桌面和移动端使用。
【大数据】Spark Executor内存分配原理与调优
【大数据】Spark Executor内存管理与调优 Executor内存总体布局 统一内存管理 堆内内存 (On-heap Memory) 堆外内存 (Off-heap Memory) Execution 内存和 Storage 内存动态占用机制 任务内存管理(Task Memory M
极速梳理Spark的四种分词工具
Spark是一套巡行效率很高，速度很快又能提供多种计算场景的框架，它将数据拉到内存里面，并基于RDD（弹性分布式数据集）进行运算，这就导致它内存效率很高很快。 而在Spark框架下，有四种常用的中文分词工具，分别是：hanLP、ansj、jieba和fudannlp。以下是对于这四种工具
Spark 广播变量（Broadcast Variable）原理及源码分析
Spark 广播变量通过序列化、分块、缓存和分层传播的机制，大大减少了任务之间的数据传输开销，提高了性能。
基于科大讯飞星火大模型Spark 4.0 Ultra的微信聊天机器人搭建教程
目前，办公场景中，员工需要与不同的人交谈，而微信作为其中的桥梁。随着如今工作越来越繁重，面对不同的人进行交谈已经是应接不暇，急需一个AI聊天机器人来帮助人们从繁忙的聊天中解放出来。
2023_Spark_实验十：Centos_Spark Local模式部署
参考这篇博客：【Centos8_配置单节点伪分布式Spark环境】_centos8伪分布式环境搭建-CSDN博客
数据仓库构建的两种方法：自上向下、自下向上
数据仓库是在统一模式下组织的数据源异构集合。构建数据仓库有两种方法： 自上而下法和自下而上法解释如下。
