RabbitAdmin及 RabbitMQ 事件处理
是 Spring AMQP 项目中的一个关键组件，它允许开发者通过 Spring 应用程序轻松地管理和配置 RabbitMQ 中的资源。和 RabbitMQ 的事件处理机制是构建可靠、可扩展和易于管理的消息传递应用程序的关键组件。不是一个标准的事件名，但 RabbitMQ 和 Spring AMQP
spark第一篇简介
spark简介,安装以及初步使用
如何在2024年从头开始一步一步地学习大数据？
你可能听说过大数据是如何日益显著地扩展的，你可能对学习大数据很好奇，因为大数据工程师可能是你的梦想工作。不是吗？但学习大数据的路径可能令人困惑。这份大数据职业指南回答了你关于开始大数据职业的所有问题，并将让你更深入地了解如何从零开始逐步学习大数据。今天，大约90%的组织开始意识到分析的价值。2023
Spark Sql
/自定义函数})
使用 JMX 监控 Kafka 集群性能指标
在大规模的生产环境中，实时监控 Kafka 集群的性能指标是确保系统稳定运行的重要手段。本文将介绍如何使用 JMX（Java Management Extensions）监控 Kafka 集群，并展示一些常用的 JMX 指令和指标。通过使用 JMX 监控 Kafka 集群的性能指标，我们可以更好地了
RabbitMQ3.13.x之三_RabbitMQ新建用户及开启远程访问
RabbitMQ3.x之三_RabbitMQ新建用户及开启远程访问
【RabbitMQ】RabbitMQ配置与交换机学习
RabbitMQ是一个开源的消息代理软件，它实现了高级消息队列协议（AMQP）。RabbitMQ支持多种消息传递协议，具有高可靠性、高可用性和高性能等特点。它允许应用程序通过消息队列进行异步通信，从而实现解耦和负载均衡。RabbitMQ的核心概念包括交换机（Exchange）、队列（Queue）和绑
Zookeeper篇——搭建Zookeeper服务器，docker搭建并启动Zookeeper服务，一篇文章手把手教学！
ZooKeeper是一个分布式服务框架，基于Paxos算法实现，提供高可用的数据管理和应用程序协调服务。它的目标是提供一种可靠的、可扩展的、分布式的、可配置的协调机制来统一系统的状态。ZooKeeper曾是Hadoop的正式子项目，后发展成为Apache顶级项目，与Hadoop密切相关但却没有任何依
HBase的安装
先安装zookeeper。
分布式Hadoop环境的安装与搭建
1） 单位：bit、byte、kb、mb、gb、tb、pb、eb、zb、yb2） 数据类型：结构化数据、半结构化数据、非结构化数据3） 特点：价值低密度（检索了很多信息才能找到对自己有用的信息）4） 意义：预测作用1）配置运行环境，先进入以下目录cd /export/servers/wfb-hado
RabbitMQ Transport indicated EOF 总结
RabbitMQ Transport indicated EOF
hive中复杂数据类型(array，map，struct)讲解
hive复杂数据类型的创建、查询与使用
Spark+Kafka构建实时分析Dashboard案例
本案例利用Spark+Kafka实时分析男女生每秒购物人数，利用Structured Streaming实时处理用户购物日志，然后利用websocket将数据实时推送给浏览器，最后浏览器将接收到的数据实时展现。
【数据仓库】血缘关系分析工具适用场景、常见产品、功能介绍
跟踪数据在系统中的流动和转换过程，记录数据的来源、去向以及数据之间的关系。提供直观的图形界面，展示数据的血缘关系，帮助用户理解数据的流动和关系。支持灵活的查询功能，帮助用户快速定位数据的血缘关系，解决数据相关的问题。分析数据的血缘关系，识别数据流动中的瓶颈和风险，帮助优化数据流程和数据管理策略。举例
智能制造数字化工厂智慧供应链大数据解决方案（PPT）
原文《智能制造数字化工厂智慧供应链大数据解决方案》PPT格式主要从智能制造数字化工厂智慧供应链大数据解决方案框架图、销量预测+S&OP大数据解决方案、计划统筹大数据解决方案、订单履约大数据解决方案、库存周转大数据解决方案、采购及供应商管理大数据模块、智慧工厂大数据解决方案、设备管理大数据解决方案、质
05 Hadoop简单使用
主要讲到了hadoop2.x和hadoop3.x变化，HDFS常用命令，Java操作HDFS，MapReduce，压缩和yarn常用命令。
10分钟了解Flink SQL使用
Flink 是一个流处理和批处理统一的大数据框架，专门为高吞吐量和低延迟而设计。开发者可以使用SQL进行流批统一处理，大大简化了数据处理的复杂性。本文将介绍Flink SQL的基本原理、使用方法、流批统一，并通过几个例子进行实践。
SparkStreaming与Storm集成实例
SparkStreaming与Storm集成实例1.背景介绍在大数据处理领域，实时数据处理变得越来越重要。Spark Streaming和Apache Storm是两种广泛使用的实时数据处理框架。Spark Streaming是基于Apache Spark的扩展，提供了高
Flink的实时分析应用案例：实时数据监控
1.背景介绍1. 背景介绍Apache Flink 是一个流处理框架，用于实时数据处理和分析。它可以处理大量数据，并在实时进行分析和处理。Flink 的核心特点是高性能、低延迟和容错性。它可以处理各种数据源，如 Kafka、HDFS、TCP 流等，并将处理结果输出到各种数据接收器，如 HDFS、Ka
Hadoop平台搭建 配置JDK环境
向其他主机传送文件或者文件夹。
