本文来自于2018年09月19日在 Adobe Systems Inc 举行的Apache Spark Meetup。

大数据持续升温， 不熟悉几个大数据组件， 连装逼的口头禅都没有。 最起码， 你要会说个hadoop, hdfs, mapreduce, yarn, kafka, spark, zookeeper, neo4j吧， 这些都是装逼的必备技能。...

首先需要安装好Java和Scala，然后下载Spark安装，确保PATH 和JAVA_HOME 已经设置，然后需要使用Scala的SBT 构建Spark如下：

大家在使用 ApacheSpark2.x 的时候可能会遇到这种现象：虽然我们的SparkJobs 已经全部完成了，但是我们的程序却还在执行。比如我们使用SparkSQL 去执行一些 SQL，这个 SQL 在最后生成了大量的文件。然后我们可以看到，这个 S...

引言 随着大数据技术架构的演进，存储与计算分离的架构能更好的满足用户对降低数据存储成本，按需调度计算资源的诉求，正在成为越来越多人的选择。相较 HDFS，数据存储在对象存储上可以节约存储成本，但与此同时，对象存储对海量...

大数据要实现业务落地的前提，是企业需要搭建起自身的大数据平台，去实现对数据价值的挖掘和应用。根据实际的业务场景需求，不同类型的数据，需要不同的计算处理模式。今天我们就来聊聊批处理和流处理两种大数据计算模式。...

本文介绍Flume、Kafka和Sparkstreaming的整合。代码流程是，我们通过shell脚本重播测试轨迹数据到指定轨迹文件中，使用Flume监听该轨迹数据文件，实时将轨迹数据发送到Kafka，然后使用SparkStreaming简单统计轨迹数据量。...

如果启动spark shell时没有指定master地址，但是也可以正常启动spark shell和执行spark shell中的程序，其实是启动了spark的local模式，该模式仅在本机启动一个进程，没有与集群建立联系。...

大数据从概念走向落地，得益于大数据技术的成熟，尤其是以Hadoop为代表的第一代大数据系统框架，为大数据在企业当中的现实落地，提供了稳固的技术支持，而随着大数据的发展，大数据技术也在更新迭代。今天我们来聊聊大数据技术从...

熟悉 TiSpark 的人都知道，TiSpark 是 Spark 的一个插件，它其实就是给予了 Spark 能够去访问 TiDB 底层分布式存储引擎 TiKV 或者 TiFlash 的能力。之前我们一直在解决读的问题，写问题并没有付出太多的时间去解决。今天就...