# 背景## **HDFS** **简介**HDFS 全名 Hadoop Distributed File System,是业界使用最广泛的开源分布式文件系统。原理和架构与 Google 的 GFS 基本一致。它的特点主要有以下几项:- 和本地文件系统一样的目录... 从集群规模和数据量来说,HDFS 平台在公司内部已经成长为总数十万台级别服务器的大平台,支持了 10 EB 级别的数据量。**当前在字节跳动,** **HDFS** **承载的主要业务如下:**- Hive,HBase,日志服务,Kafka 数据...
只负责解析 SQL,记录元数据。Hive直接访问存储在 HDFS 中或者 HBase 中的文件,通过 MapReduce、Spark 或 Tez 执行查询。我们今天来聊的就是 Hive 底层是怎样将我们写的 SQL 转化为 MapReduce 等计算引擎可识别的程序。了解 Hive SQL 的底层编译过程有利于我们优化Hive SQL,提升我们对Hive的掌控力,同时有能力去定制一些需要的功能。### 二、Hive 底层执行架构我们先来看下 Hive 的底层执行架构图, Hive 的主要组件与 Hado...
深入研究Yarn和求执行引擎Spark。此外还了解其他技术如HBase、Sqoop等。同时学习计算机网络知识和操作系统原理。后面再系统学习关系数据库MySQL和数据仓库理论。学习分布式原理和架构也很重要。这个学习顺序参考了... 而DataFrame/Dataset由结构化数据表示,可以直接支持Catalyst优化执行计划。这解答了我SQL两种方式执行效率的不同之处。这个实践例子帮助我真正理解了SparkSQL的运作机制。再比如如何进行大数据的实时计算和分析...
负责清洗和加工上层业务所需要的数据,用来支撑整个企业的数仓构建。一个企业在实施数据平台的时候,由多个不同组件各自工作在不同的架构层中,无法相互取代,相互协作配合,承载整个企业的数据平台业务。# 企业级数仓技术选择Google 发表的三篇论文从存储,计算,检索三个方向阐述了海量数据下一种新的分布式数据加工处理技术,这三个方向被雅虎 Nutch 团队实现后贡献给 Apache,也就是目前大家看到的 HDFS,MapReduce 和 HBase,形成...
表格数据库 HBase 版默认提供了 ZK 连接地址,同时也支持 Thrift 多语言访问,Thrift 是 HBase 标准版实例中的一种服务组件,基于 Apache Thrift(多语言支持的通信框架)开发。本文介绍基于 Python 程序通过 Thrift2 地址访问 HBase 实例的操作步骤。 前提条件如需通过私网地址访问 HBase 实例,需同时满足如下要求:已购 ECS 服务器与 HBase 实例在相同私有网络 VPC 下。ECS 服务器的购买方法,请参见购买云服务器。 已将 ECS 服务器的...
表格数据库 HBase 版默认提供了 ZK 连接地址,同时也支持 Thrift 多语言访问,Thrift 是 HBase 标准版实例中的一种服务组件,基于 Apache Thrift(多语言支持的通信框架)开发。本文介绍如何通过控制台申请 Thrift2 连接地址。 注意事项表格数据库 HBase 版提供的 Thrift 地址的协议版本为 Thrift2,Thrift 客户端版本需为 v0.13.0。 操作步骤登录 HBase 控制台。 在顶部菜单栏的左上角,选择实例所属的地域。 在实例列表页,单击目标实例...
HBase 数据源支持火山引擎 HBase 数据库标品数据源配置; Doris 数据源新增支持离线读取 Doris 数据; 新增 VeDB 数据源配置,支持离线读取和写入 VeDB 数据; 新增火山引擎 TLS 数据源配置 实时整库、分库分表同步解... 表解决方案 ByteHouse CDW 任务配置 实时整库同步解决方案 2023/09/27序号 功能 功能描述 使用文档 1 数据开发 数据开发界面支持任务批量删除操作; EME SQL、EMR StarRocks 任务支持自动解析任务产出登记、...
# 背景## **HDFS** **简介**HDFS 全名 Hadoop Distributed File System,是业界使用最广泛的开源分布式文件系统。原理和架构与 Google 的 GFS 基本一致。它的特点主要有以下几项:- 和本地文件系统一样的目录... 从集群规模和数据量来说,HDFS 平台在公司内部已经成长为总数十万台级别服务器的大平台,支持了 10 EB 级别的数据量。**当前在字节跳动,** **HDFS** **承载的主要业务如下:**- Hive,HBase,日志服务,Kafka 数据...
只负责解析 SQL,记录元数据。Hive直接访问存储在 HDFS 中或者 HBase 中的文件,通过 MapReduce、Spark 或 Tez 执行查询。我们今天来聊的就是 Hive 底层是怎样将我们写的 SQL 转化为 MapReduce 等计算引擎可识别的程序。了解 Hive SQL 的底层编译过程有利于我们优化Hive SQL,提升我们对Hive的掌控力,同时有能力去定制一些需要的功能。### 二、Hive 底层执行架构我们先来看下 Hive 的底层执行架构图, Hive 的主要组件与 Hado...
深入研究Yarn和求执行引擎Spark。此外还了解其他技术如HBase、Sqoop等。同时学习计算机网络知识和操作系统原理。后面再系统学习关系数据库MySQL和数据仓库理论。学习分布式原理和架构也很重要。这个学习顺序参考了... 而DataFrame/Dataset由结构化数据表示,可以直接支持Catalyst优化执行计划。这解答了我SQL两种方式执行效率的不同之处。这个实践例子帮助我真正理解了SparkSQL的运作机制。再比如如何进行大数据的实时计算和分析...
负责清洗和加工上层业务所需要的数据,用来支撑整个企业的数仓构建。一个企业在实施数据平台的时候,由多个不同组件各自工作在不同的架构层中,无法相互取代,相互协作配合,承载整个企业的数据平台业务。# 企业级数仓技术选择Google 发表的三篇论文从存储,计算,检索三个方向阐述了海量数据下一种新的分布式数据加工处理技术,这三个方向被雅虎 Nutch 团队实现后贡献给 Apache,也就是目前大家看到的 HDFS,MapReduce 和 HBase,形成...
《ClickHouse 原理解析与应用实战》涵盖了ClickHouse 的时代背景、发展历程、核心概念、基础功能、运行原理、实践指导等多个维度的内容,尤其是在 **ClickHouse 最核心的部分——MergeTree 表引擎与分布式方面** ,... 作者以示例和建议的方式向学生和业内人士分享了自己的实践经验,指出了需要避免的陷阱,并深入探讨了一些进阶专题,可以为希望改善自身及机构数据驱动决策方式的从业者提供参考。**《企业级大数据平台构建:架构与...
环境信息 系统环境版本 环境 OS veLinux(Debian 10兼容版) Python2 2.7.16 Python3 3.10.13 Java ByteOpenJDK 1.8.0_352 应用程序版本 Hadoop集群 Flink集群 Kafka集群 HBase集群 StarRocks集群 ClickHouse集群 Op... iceberg 1.2.0 Apache Iceberg 是一种适用于超大型分析数据集的开放表格式。 hudi 0.12.2 增量处理框架,以支持低延迟和高效率的数据管道。 yarn_resourcemanager 3.3.4 分配和管理集群资源与分布式应用程序的 YAR...