Reiser实验室

0、数据准备tableAtableB1、取交集2、取左全集，没有匹配的用null代替3、取右全集，没有匹配的用null代替4、取并集,由于mysql没有fulljoin只有使用UNION5、取不交叉的

DataFrame 可以理解为数据库中的表。对于表的操作可以是将 dataFrame 创建为一个临时表后使用 sql语句进行操作，如： 也可以将 DataFrame 作为一个对象进行 sql 操作，下面是一些常见操作（PySpark）。

平时在输入 hdfs 执行时老是输很长一串，例如：hdfs dfs -ls /data其实可以利用 linux 起别名的方式来实现快速输入，如用 hls /data 替代之前的指令。 上面的简写也是 HDFS 中常用的指令，起别名的原则就是在普通命令前加 h ，如你查看本地文件…

Hive 可以理解是让人使用 SQL 表的方式去管理 HDFS 上的文件，那么 Hive 有一个很重要的操作就是把数据和表关联起来，即数据导入。数据导入通常有以下 4 种方法： LOCAL 表示本地文件路径，不加表示文件路径为 HDFS。OVERWRITE 表示覆盖之前的数据，…

使用 git 很长一段时间了，觉得干巴巴的指令集合用处真心不大，结合场景使用才能理解的更深入（虽然也可能更片面）。下面是我整理的常见的场景： 1. 没有add,撤销工作区的更改(从暂缓区恢复到工作区) 2. 已经add,撤销缓存区的更改 3. 已经commit,覆盖提交(修改文…

今天看到邮件客户端有一个很有趣的功能，叫「已读回执」。在办公场景下还是相当贴心的小细节。这个功能默认邮件协议是没有的，是开发者自己加上的。 需要在用户加载邮件时，调用后台的一个接口，以统计已读，调用一次则标记为收件人已读。统计的邮件需要id，建议是：邮件类型+邮件自身id。调用…