大数据处理领域的经典框架：MapReduce详解与应用【上进小菜猪大数据】
本文介绍了MapReduce的基本原理和实现方法，并给出了一个简单的WordCount示例。MapReduce是大数据处理领域的经典框架，对于处理庞大的数据集十分有效。开发者可以通过实现Map函数和Reduce函数来构建自己的数据处理应用程序，并通过MapReduce框架来实现高效的数据处理。
Eureka的搭建
Eureka入门，服务注册中心搭建，服务提供者搭建
实时数仓建设第2问：怎样使用flink sql快速无脑统计当天下单各流程（已发货，确认收货等等）状态的订单数量
因为每笔订单的状态会发生变化，比如上午为【已支付待卖家发货】，这个时候【已支付待卖家发货】指标数要+1，下午订单的状态变更为【卖家通知物流揽收】，这个时候【卖家通知物流揽收】指标数要+1，而【已支付待卖家发货】指标数要-1。能够得到我们期望的结果，必须使得进入该SQL的数据流由append流变成up
关于hbase无法正常关闭进程，进程持续出现‘......‘
hbase无法正常开启或关闭
hive--执行计划
来聊一聊执行计划，如果掌握了MapReduce，且开发者有一定的经验积累可以反推Compiler将SQL转换的MapReduce执行算法，并借助explain来比对你构思的执行计划和实际生成的执行计划是否存在差异，并思考差异的原因是啥，慢慢就能够对生成的算法以及算法执行路径图是否合理给出一个自己的评
RabbitMQ 能保证消息可靠性吗
前面我们在做MQ组件选型时，提到了rabbitMQ的消息可靠性，那么它到底可靠到什么程度？又是如何保证消息可靠性的呢？
SpringBoot使用Hbase
以前都是在非Spring环境下使用Hbase的，一开始会出现：当服务使用时间过久，某些会使用hbase的接口调用次数过多的时候，会报【已超过最大的连接数】，只能每一次调用接口后最后一行加上释放连接。（以前的做法每次调用都要在代码里手动获取一个连接）这次将释放连接都集成在操作服务类的实现方法中，避免了
MQTT文件传输 -1. 设计篇
IOT嵌入式开发中，三方交互MQTT已经成为很多人的首选。但是MQTT通常只用来做小数据量的业务传输。文件的上传和下载主要还是用http实现。最近实现远程日志查询时，选择通过MQTT实现文件上传。
python数据可视化项目设计-中国人口
基于python，关于中国人口的数据可视化。
k8s部署zookeeper集群（3节点，1个leader，2个follower）
k8s部署zookeeper集群
linux安装配置RabbitMQ和Erlang并配置环境变量
linux安装配置RabbitMQ、Erlang并配置环境变量
java 集成kafka（支持单条消费和批量消费）
1、下载安装zk，kafka...（大把教程，不在这里过多阐述）8、测试类分别测试单条消费以及批量消费。7、消费者配置类（配置批量消费）5、生产者发消息的工具类。
java连接mysql8.0数据库—jdbc连接
1.导入jar包mysql官网点击platform Independent，然后出现jar包选项点download点左下角no thanks,直接下载原始方法，直接在项目下建一个libs路径然后将刚刚下好的zip解压，复制jar包到该目录下，右键jar包，选择add as Library出现一堆包
通达信交易接口：让交易更高效
通达信是国内著名的股票交易软件，其交易接口可以让开发者通过编程的方式进行自动化交易。本文将介绍通达信交易接口的部分API参数和代码示例，并分享一个基于通达信交易接口实现的量化策略代码。
linux与centos的区别与联系
一般来说，我们平时说Linux指的是Linux系统内核，而centos是Linux发行套件系统。而Linux发行套件系统才是咱们常说的Linux操作系统，也即是由Linux内核与各种常用软件的集合产品，全球大约有数百款的Linux系统版本，比较有名的有RedHat、CentOS、Ubuntu等。
《阿里大数据之路》读书笔记：第一章 总述
阿里数据体系主要分为数据采集、数据计算、数据服务和数据应用四大层次。
Helm方式部署 zookeeper+kafka 集群 ——2023.05
由于在线安装，zookeeper的pod起不来，一直处于pending的状态，原因是因为pvc存储卷挂载的问题，所以这里选择把zookeeper和kafka的包下载下来，修改配置文件，然后进行离线安装。生产环境参考：https://github.com/bitnami/charts/tree/mai
java操作kafka读写操作
kafka,java,KAFKA,JAVA,通过java操作kafka生产和使用消息
Hive入门详解操作
FaceBook网站每天产生海量的结构化日志数据，为了对这些数据进行管理，并且因为机器学习的需求，产生了hive这门技术，并继续发展成为一个成功的Apache项目。hive是一个构建在Hadoop上的数据仓库工具(框架)，可以将结构化的数据文件映射成一张数据表，并可以使用类sql的方式来对这样的数据
Kafka：指定时间消费
Kafka：指定时间消费
