lee_xh

因工作项目中，需要用到Flink，小团队之前没人使用过，就由我来负责，此文章主要记录我在Flink学习中遇到坑。...

最近知乎认识了一个小伙伴，推荐了《Spark权威指南》（Spark: The Definitive Guide）这本书给我。过去市面上Spark相关的《Spark源码剖析》...

Kafka作为分布式MQ，大量用于分布式系统中，如消息推送系统、业务平台系统（如结算平台），就拿结算来说，业务方作为上游把数据打到结算平台，如果一份数据被计算、处理了多次，...

大数据平台每天会产生大量的日志，处理这些日志需要特定的日志系统。 具有高可扩展性。即：当数据量增加时，可以通过增加节点进行水平扩展。 数据采集模块：负责从各节点上实时采集数...

美团的日志收集系统负责美团的所有业务日志的收集，并分别给Hadoop平台提供离线数据和Storm平台提供实时数据流。美团的日志收集系统基于Flume设计和搭建而成。《基于F...

接口幂等性问题，对于开发人员来说，是一个跟语言无关的公共问题。本文分享了一些解决这类问题非常实用的办法，绝大部分内容我在项目中实践过的，给有需要的小伙伴一个参考。 有时我们...

一个 RDD 由一个或者多个分区（Partitions）组成。对于 RDD 来说，每个分区会被一个计算任务所处理，用户可以在创建 RDD 时指定其分区个数，如果没有指定，则...

大公司都在用的组件-日志组件，基于真实的案例，向小伙伴们分享下日志组件的几大因素和基本实现原理。当然仅供参考~...

Kafka 是由 Linkedin 公司开发的，它是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消...

Local 模式是最简单的一种运行方式，它采用单节点多线程方式运行，不用部署，开箱即用，适合日常测试开发。 local[*]：启动跟 cpu 数目相同的工作线程数。 安装完...

在流处理之前，数据通常存储在数据库，文件系统或其他形式的存储系统中。应用程序根据需要查询数据或计算数据。这就是传统的静态数据处理架构。Hadoop 采用 HDFS 进行数据...

Spark解决什么问题 二 Spark为什么会有自己的资源调度器 三 Spark运行模式 四 Spark常用端口号 五 Spark提交作业参数 六 Spark的transf...