sqoop用于关系型数据库与数仓进行数据交换，是大数据必备工具。 继续阅读
sqoop – mysql导入hive与hive导出mysql
发表评论
hive系列 – 数仓分层Demo
大数据越来越重要，要管理与利用好这些数据就需要建设数据仓库。
数仓建设是有一套建模理论的，本文通过一个简单例子来理解数仓分层的基本样貌。 继续阅读
hive系列 – spark on hive配置与编程
我们经常会选择使用spark做原始数据的ETL清洗，清洗后的Dataframe最终需要写入到数仓的Hive表中，也就是说spark能否直接读写hive表特别重要。 继续阅读
hive系列 – hive搭建
本文记录hive3.x版本搭建过程。
spark系列 – spark-sql编程使用
体验过spark RDD编程，我们能感受到几个问题： 继续阅读
spark系列 – RDD编程使用
这是一个系列，建议从《spark系列 – spark on yarn搭建》开始阅读。
RDD是spark对数据集的抽象，任意大小的数据集都可以通过1个RDD对象来表达，因此spark编程操作大数据集非常简单。 继续阅读
spark系列 – spark on yarn搭建
mapreduce框架在开发需要多轮MR的任务时，因为shuffle过程和reducer输出需要写到磁盘上，所以执行效率很低。 继续阅读
hdfs系列 – Orc格式与mapreduce
这是系列博客，你应该从《hdfs系列 – Text格式与mapreduce》开始阅读。 继续阅读
hdfs系列 – Avro格式与mapreduce
这是系列博客，你应该从《hdfs系列 – Text格式与mapreduce》开始阅读。 继续阅读
hdfs系列 – SequenceFile格式与mapreduce
这是系列博客，你应该从《hdfs系列 – Text格式与mapreduce》开始阅读。 继续阅读
hdfs系列 – Text格式与mapreduce
入门hadoop，我认为很重要也很困难的一点就是理解各种纷杂的文件格式与压缩算法的关系，理解mapreduce如何与不同的文件格式进行合作，只有建立好这些认知才能进一步用好hive等上层组件。 继续阅读
hadoop伪分布式环境搭建
近期学习大数据技术，将通过博客分享它们原理与使用。 继续阅读
azkaban入门
azkaban是当下最主流的ETL任务调度工具，容易理解与使用，轻松分布式扩展处理能力。 继续阅读
Golang自定义JSON序列化
在Go语言中，我们可以很方便的使用标准库encoding/json进行结构体的（反）序列化，它会自动帮我们解析嵌套的structs，以及内部的string、int、map等基本类型，但对于某些特殊类型就不是那么好用了。 继续阅读
kubernetes – 如何查看POD挂掉之前的终端输出？
POD中的container因为程序BUG挂掉之后会进行container重启，POD自身不会重建，因此POD还是在原先的node上。 继续阅读
开源我的go-raft实现
经过一个阶段的MIT6.824课程学习，我将Raft实现进一步工程化，并将代码放在了这里： 继续阅读
MIT 6.824: Distributed Systems- 实现Raft Lab3B
接上文《MIT 6.824: Distributed Systems- 实现Raft Lab3A》，Raft Lab3B要求实现snapshot，避免log不断变大无法继续运作。 继续阅读
当我们封装Go MVC框架时需要注意什么？
在公司推行Go框架web开发已经很长一段时间了，最近随着业务方越来越多，发现框架设计的部分不合理性，下面简单说明。 继续阅读
MIT 6.824: Distributed Systems- 实现Raft Lab3A
接上文《MIT 6.824: Distributed Systems- 实现Raft Lab2C》，Lab3A要求基于Raft实现分布式kv server，支持Put/Get操作，并且要求设计满足线性一致性。 继续阅读
MIT 6.824: Distributed Systems- 实现Raft Lab2C
接上文《MIT 6.824: Distributed Systems- 实现Raft Lab2B》，Lab2C包含2个主要任务： 继续阅读