【Spark Summit East 2017】大数据应用的工程快速索引（深度挖掘）-低调大师

【Spark Summit East 2017】大数据应用的工程快速索引（深度挖掘）

2017-02-18 591

更多精彩内容参见云栖社区大数据频道https://yq.aliyun.com/big-data；此外，通过Maxcompute及其配套产品，低廉的大数据分析仅需几步，详情访问https://www.aliyun.com/product/odps。

本讲义出自Daniel Lemire在Spark Summit East 2017上的演讲，主要介绍了对了应对高性能编程的挑战，分享了Daniel Lemire及团队在侧重于压缩位图索引设计快速索引时吸取的经验教训。

微信关注我们

原文链接：https://yq.aliyun.com/articles/70358

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

20【在线日志分析】之记录一次Spark Streaming+Spark SQL的数据倾斜

1.现象三台机器都有产生executor，每台都会产生tasks，但是其中只有一台的task有input数据，其他机器的tasks都没有数据。 2.猜想 2.1是不是数据倾斜? 是 2.2是数据量过大，group by时，导致key分布不均? 比如key1 有98万，key2有2万,那么shuffle时，肯定数据倾斜。但是我刚开始数据量不是很大，所以pass （就算数据量大，也很简单处理，一般处理时key加上随机前缀数） 2.3是不是数据量太少不够分区的？也怀疑过，不过还没去验证 2.4 flume流到kafka，是snappy压缩格式，而spark作为kafka的消费者，虽然能够自动识别压缩格式，但是这种snappy格式不支持切分也怀疑过，不过还没去修改支持spilt的压缩格式，也还没去验证 2.5 spark streaming分区数目是有谁决定的? 使用direct这种模式是由kafka的分区数目决定，使用receiver这种模式由流的数目决定也就是由receiver数目决定。 3.修改分区数 [root@sht-sgmhadoopdn-02 kafka]#bin/ka...

2017-02-19

588

11+大数据行业应用实践请见 https://yq.aliyun.com/activity/156 ，同时这里还有流计算、机器学习、性能调优等技术实践。此外，通过 Maxcompute及其配套产品，低廉的大数据分析仅需几步，详情访问 https://www.aliyun.com/product/odps ；更多精彩内容参见云栖社区大数据频道： https://yq.aliyun.com/big-data 。启信宝的核心功能包括搜索引擎、企业链图、关系族谱、企业监控、企业舆情以及企业信用报告等。启信宝目前支持APP、网页以及微信三种不同版本，另外还提供API调用方式。客户主要面向个人客户和企业客户，目前个人用户数已达到800万以上，企业客户以金融行业为主。启信宝的大数据平台挑战启信宝作为一家以大数据为核心竞争力的公司，借助大数据为客户降低执业风

2017-02-19

2886

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。