刚入职场的菜鸟,这些大数据知识点,你必须掌握了!

 

一、Hadoop入门

1、常用端口号

hadoop3.x

  • HDFS NameNode 内部通常端口:8020/9000/9820

  • HDFS NameNode 对用户的查询端口:9870

  • Yarn查看任务运行情况的:8088

  • 历史服务器:19888

hadoop2.x

  • HDFS NameNode 内部通常端口:8020/9000

  • HDFS NameNode 对用户的查询端口:50070

  • Yarn查看任务运行情况的:8088

  • 历史服务器:19888

2、常用的配置文件

  • 3.x core-site.xml  hdfs-site.xml  yarn-site.xml  mapred-site.xml workers

  • 2.x core-site.xml  hdfs-site.xml  yarn-site.xml  mapred-site.xml slaves

二、HDFS

  • 1、HDFS文件块大小(面试重点)
    • 硬盘读写速度

    • 在企业中  一般128m(中小公司)   256m (大公司)

  • 2、HDFS的Shell操作(开发重点)

  • 3、HDFS的读写流程(面试重点)

三、Map Reduce

1、InputFormat

  • 1)默认的是TextInputformat  kv  key偏移量,v :一行内容

  • 2)处理小文件CombineTextInputFormat 把多个文件合并到一起统一切片

2、Mapper

  • setup()初始化;  map()用户的业务逻辑; clearup() 关闭资源;

3、分区

  • 默认分区HashPartitioner ,默认按照key的hash值%numreducetask个数

  • 自定义分区

4、排序

  • 1)部分排序  每个输出的文件内部有序。

  • 2)全排序:  一个reduce ,对所有数据大排序。

  • 3)二次排序:  自定义排序范畴, 实现 writableCompare接口, 重写compareTo方法

5、Combiner

前提:不影响最终的业务逻辑(求和 没问题   求平均值)         

提前聚合map  => 解决数据倾斜的一个方法

6、Reducer

  • 用户的业务逻辑;

  • setup()初始化;

  • reduce()用户的业务逻辑;

  • clearup() 关闭资源;

7、OutputFormat

  • 1)默认TextOutputFormat  按行输出到文件

  • 2)自定义

四、Yarn

  • 1、Yarn的工作机制(面试题)

  • 2、Yarn的调度器
    • 1)FIFO/容量/公平

    • 2)apache 默认调度器  容量; CDH默认调度器 公平

    • 3)公平/容量默认一个default ,需要创建多队列

    • 4)中小企业:hive  spark flink  mr

    • 5)中大企业:业务模块:登录/注册/购物车/营销

    • 6)好处:解耦  降低风险  11.11  6.18  降级使用

    • 7)每个调度器特点:
      • 相同点:支持多队列,可以借资源,支持多用户

      • 不同点:
        • 容量调度器:优先满足先进来的任务执行;

        • 公平调度器,在队列里面的任务公平享有队列资源

    • 8)生产环境怎么选:
      • 中小企业,对并发度要求不高,选择容量

      • 中大企业,对并发度要求比较高,选择公平。

添加公众号「信息技术智库」:

🍅 硬核资料:20G,8大类资料,关注即可领取(PPT模板、简历模板、技术资料)
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由各个技术群小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、前端等。

👇👇送书抽奖丨技术互助丨粉丝福利👇👇

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/494537.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Google发布“多巴胺”开源强化学习框架,三大特性全满足

编译整理 | Just编辑 | 阿司匹林来源:AI科技大本营强化学习是一种非常重要 AI 技术,它能使用奖励(或惩罚)来驱动智能体(agents)朝着特定目标前进,比如它训练的 AI 系统…

5万成员丨CSDN 大数据领域网红社区!

一、社区愿景 社区地址:https://bbs.csdn.net/forums/ITID 我的梦想很大,大到致力于打造大数据领域第一社区,赋能中国技术社区蓬勃发展。 我的“格局”很小,小到每一篇优质文章,都会不吝啬加精,置顶。 …

坦克大战实现

先将常用的函数与头文件,宏定义等写到一个公共类中 #ifndef __Common_H__#define __Common_H__#include "cocos2d.h"#include "SimpleAudioEngine.h"#include "cocos-ext.h"USING_NS_CC;USING_NS_CC_EXT;#define winSize CCDirector:…

汽车传感器:自动驾驶“第一步”,新兴领域中国有望突围

来源:(中金公司:黄乐平 )摘要:从L3级量产车奥迪A8,到L4级量产巴士百度阿波龙,L3级自动驾驶已逐渐开始落地量产。位处产业链上游的汽车传感器行业最先感受到春意,各种技术路线争鸣&am…

怎么改变asp.net中.sln文件的默认生成路径

转自:http://zhidao.baidu.com/question/149657564.html 你新建解决方案就可以改 转载于:https://www.cnblogs.com/hellolong/articles/2801731.html

腾讯阿里是否开始走向没落,用新互联网大脑模型分析

前言:虽然腾讯面临头条、抖音、陌陌、钉钉等新兴社交平台挑战,阿里面临海尔COSMOPlat,三一重工树根互联、美国GE Predix、德国西门子Mindsphere等工业互联网平台的挑战,但其核心优势依然存在,积累势能继续提高&#xf…

这5个超级经典SQL都不会,回去等通知吧

🍅 简介:CSDN博客专家🏆、信息技术智库公号作者✌ 简历模板、PPT模板、学习资料、面试题库、技术互助【关注我,都给你】 🍅 欢迎点赞 👍 收藏 ⭐留言 📝 一、每门课程问题 用一条 SQL 语句…

12.4scrum report

转载于:https://www.cnblogs.com/76er/archive/2012/12/04/2802336.html

从《2018年全球创新指数报告》看中国创新力!

作者:杨柯巍 张原编辑:煜 佳来源:中国电子信息产业发展研究院摘要:2018 年7 月10 日,世界知识产权组织(WIPO)、美国康奈尔大学和欧洲工商管理学院(INSEAD)共同发布《2018…

【每日SQL打卡】DAY 1丨部门工资最高的员工【难度中等】

活动介绍: 「数据仓库技术交流群」已经正式启动每日SQL打卡,帮助大家扎实基础,努力工作之余,别忘了自我提升。 欢迎报名和邀请小伙伴参与,一个人可能走得很快,但一群人会走得很远。 活动流程: 1…

如何从操作系统安装文件提取驱动文件/ How to extract driver files from setup files (win 7)...

在部署 OS 过程中遇到一个问题,需要找到操作系统对于的驱动文件。由于OS都是直接从微软服务器上面copy下来的,所以,要找到对应的 Device Drivers很困难。好不容易找到一个Drivers的文件夹,发现各种驱动啊,估计也只有当…

【每日SQL打卡】​​​​​​​​​​​DAY 2 丨组合两个表【难度简单】

活动介绍: 「数据仓库技术交流群」已经正式启动每日SQL打卡,帮助大家扎实基础,努力工作之余,别忘了自我提升。 欢迎报名和邀请小伙伴参与,一个人可能走得很快,但一群人会走得很远。 🍅题目汇总(…

业界 |「多巴胺」来袭!谷歌推出新型强化学习框架Dopamine

作者:Pablo Samuel Castro、Marc G. Bellemare 来源:Google AI Blog,机器之心摘要:在过去几年里,强化学习研究取得了多方面的显著进展。在过去几年里,强化学习研究取得了多方面的显著进展。这些进展使得智能体能够以超…

Android客户端与服务器之间传递json数据

在服务器与客户端之间通信,json数据是一种常用格式,本文主要在服务器端构建数据,在客户端接收显示,并且在listview上显示出来 服务器端的构建 简单的javabean与返回结果函数与插入函数略过 public void doGet(HttpServletReque…

高通全系列手机处理器深度解析 (升级选手机必备)附参数对比表

关于高通处理器和ARM之间的关系 正式介绍高通处理器之前,笔者认为还是先来大致了解下高通和ARM公司之间的关系。在之前的文章中我们也介绍过ARM公司以及相应的ARM架构,实际上,包括高通在内所有终端手机芯片厂商的手机处理器产品的底层都是基…

【每日SQL打卡】​​​​​​​​​​​​​​​DAY 2丨连续出现的数字【难度中等】

活动介绍: 「数据仓库技术交流群」已经正式启动每日SQL打卡,帮助大家扎实基础,努力工作之余,别忘了自我提升。 欢迎报名和邀请小伙伴参与,一个人可能走得很快,但一群人会走得很远。 🍅题目汇总(…

《2018中国大数据发展指数报告》发布:广东、上海、贵州、北京、重庆领先

来源:网络传播杂志摘要:2018年8月24日, 中国电子信息产业发展研究院在首届“中国国际智能产业博览会”上发布了《中国大数据发展指数报告(2018年)》。此报告为我国找准大数据行业发展重点、优化行业发展环境、调整行业管理体制机制等提供了有…

利用gitbash上传项目到github

GitHub主要是用作基于Git的分布式版本管理系统的库,可以保存和管理自己的代码,而且主要用作代码的合作开发。不过对于我来说,Git控制系统还比较难以掌握,或者开发小系统还不太用得着,因此我把GitHub当作分享和展示代码…

【每日SQL打卡】​​​​​​​​​​​​​​​DAY 3丨删除重复的电子邮箱【难度简单】

活动介绍: 「数据仓库技术交流群」已经正式启动每日SQL打卡,帮助大家扎实基础,努力工作之余,别忘了自我提升。 欢迎报名和邀请小伙伴参与,一个人可能走得很快,但一群人会走得很远。 🍅题目汇总(…

36氪研究 | 智慧零售行业研究报告

来源:36Kr智慧零售带来的变化,对你我的生活有多大的影响?上世纪末,当你想吃一桌大鱼大肉改善一下近期的伙食,下馆子是一个不错的选择,但由于这样会超出你的消费预期,买回家自己烹饪便成为了你唯…