导读：在《推荐算法概述》一文中，我们介绍了推荐算法分为基于用户、基于物品、基于模型的协同过滤方法，矩阵分解模型是典型的基于模型的方法之一，本文将从基本概念、原理、实践几个角度进行介绍。...

腾讯星火计划2021 暨科技少年挑战周启动招募 五大战场                 真剑胜负 也许 在学科竞赛的“战场”上 你敲出的代码拿下了一座座“城池” 在科技项目的“战场”上 你de的bug抵抗住了一次次“进攻”...

如果运行在 YARN 模式，可以在 ResourceManager 节点的 WEB UI 页面根据 任务状态、用户名 或者 applicationId Search 到应用。

项目中用的是Spark Structrued Streaming ，也就是Spark 2.0的新版Streaming，看官方文档也说过性能及实时性会比之前的Dstreaming好点，但是相关的资料相比Dstreaming实在是少很多，现在调优阶段很多都要参考Dstreaming的文...

本篇博客将会汇总记录大部分的Spark RDD / Dataset的常用操作以及一些容易混淆的操作对比。

这篇博客将会记录Structured Streaming + Kafka的一些基本使用(Java 版)

Spark SQL 的 Catalyst ，这部分真的很有意思，值得去仔细研究一番，今天先来说说Spark的一些扩展机制吧，上一次写Spark，对其SQL的解析进行了一定的魔改，今天我们按套路来，使用砖厂为我们提供的机制，来扩展Spark......

在进行RDD操作的时候，我们需要在接下来多个行动中重用同一个RDD，这个时候我们就可以将RDD缓存起来，可以很大程度的节省计算和程序运行时间。

原因： 因为在之前的项目中，在hadoop中的core-site.xml 和mapred-site.xml文件配置了lzo格式的压缩，这就导致上传到hdfs 的文件自动被压缩为lzo了。所以当使用提交spark-submit任务时，需要访问HDFS上的文件，而spark自身没有...

这是我的上篇博文，当时仅是做了一个实现案例（demo级别 ），没想到居然让我押中了题，还让我稳稳的及格了（这次测试试卷难度极大，考60分都能在班上排进前10） 不过我在复盘的时候，发现自己的致命弱点：写sql的能力太菜了。。...