HDFS单点架构存在一些问题，首先是NameNode内存受限，因为数据的元数据信息全部保存在NameNode内存中。如果数据量足够庞大，可能会将NameNode内存占满，这种情况下会导致HDFS的扩展性上限。...

HDFS全称Hadoop Distributed File System，Hadoop分布式文件系统。它是2003年10月Google发表的GFS（Google File System）论文的开源实现，之后成为Apache Hadoop的核心子项目，用于解决海量数据存储问题。它在开源大数据技术体...

首先，在学习大数据之前，需要了解什么是大数据？它是如何诞生的？它有哪些应用场景？只有了解了这些，才能窥视大数据的技术全貌。一个技术的诞生，是顺应时代的，是用于解决某些问题的，它的发展也一定是有内在逻辑的。接下来，一起去看...

Hive UDAF有两种实现方式，可以继承UDAF或者AbstractGenericUDAFResolver类，也可以实现GenericUDAFResolver2接口。 其中直接继承UDAF类，功能实现较为简单，但在运行时使用Hive反射机制，导致性能有损失。...

Hive支持的函数除了内置函数，允许编写用户自定义函数（User Define Function）来扩充函数的功能。

Hive支持的表类型，或者称为存储格式有：TextFile、SequenceFile、RCFile、ORC、Parquet、AVRO。

在已经存在分布式计算引擎MapReduce的情况下，为什么会诞生Hive这样的产品？其实主要还是因为易用性问题。虽然MapReduce提供了分布式开发的能力，但它毕竟是一个通用计算引擎，在特定且相对成熟的垂直场景中，易用性就比较差了...

Writable实现了WritableComparable接口，间接继承了Writable, Comparable类，实现了序列化、排序的功能。而这两个功能，在MapReduce中非常重要，排序是MapTask、ReduceTask默认操作，在集群中进行数据传输时要进行序列化。...

一提到大数据，大多数技术人可能会想到它的4V特征：数据量、速度、多样性、价值。但同时也会想到它庞大的技术生态圈——大数据产品的数量非常丰富。...

数据导入：cat batch_1.json | kafkacat -b localhost:9092 -t stock_ticks -P