《Flume日志收集与MapReduce模式》一3.2 文件通道
本节书摘来自华章出版社《Flume日志收集与MapReduce模式》一书中的第3章,第3.2节,作者 [美] 史蒂夫·霍夫曼(Steve Hoffman)斯里纳特·佩雷拉(Srinath Perera),更多章节内容可以访问云栖社区“华章计算机”公众号查看
3.2 文件通道
文件通道指的是将事件存储到代理本地文件系统中的通道。虽然要比内存通道慢一些,不过它却提供了持久化的存储路径,可以应对大多数情况,它应该用在数据流中不允许出现缺口的场合。
这种持久化能力是由Write Ahead Log(WAL)以及一个或多个文件存储目录联合提供的。WAL用于以一种原子且安全的方式追踪来自于通道的所有输入与输出。通过这种方式,如果代理重启,那么WAL可以重放,从而确保在清理本地文件系统的数据存储前进入到通道中的所有事件都会被写出。
此外,如果数据处理策

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。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Apache Spark机器学习.2.1 访问和加载数据集
摘要 Spark机器学习的数据准备 机器学习从业者和数据科学家时常耗费70%或80%的时间为机器学习项目准备数据。数据准备可能是很艰辛的工作,但是它影响到接下来的各方面工作,因此是非常必要和极其重要的。所以,在本章中,我们将讨论机器学习中所有必要的数据准备方面的内容,通常包括数据获取、数据清洗、数据集连接,再到特征开发,从而让我们为基于Spark平台构建机器学习模型准备好数据集。具体而言,我们将讨论前面提到的以下6个数据准备任务,然后在针对复用性和自动化的讨论中结束本章: 访问和加载数据集 开放可用的机器学习数据集 将数据集加载到Spark 使用Spark进行数据探索和可视化 数据清洗 处理数据缺失与不完整 基于Spark的数据清洗 数据清洗变得容易 一致性匹配 处理一致性问题 基于Spark的数据匹配 获得更好的数据匹配效果 数据重组 数据重组任务 基于Spar
- 下一篇
《NoSQL权威指南》——2.3 查询优化
本节书摘来自异步社区出版社《NoSQL权威指南》一书中的第2章,第2.3节,作者:【美】Joe Celko(乔•塞科) ,更多章节内容可以访问云栖社区“异步社区”公众号查看。 2.3 查询优化 有些列式数据库使用基于行的优化器,抵消了列式存储很多的优势。它们在具体化“行”之前在查询执行时使用基于行的优化器进行优化处理(只组装查询的列,实际上是做选择和投影)。基于列的优化可以将选择和投影分为单独的操作,这是MapReduce算法的一个版本(这些算法稍后会加以解释)。 目标是在查找实际的数据值前,获取尽可能多的行数。如果你能并行地收集列会更好。很显然,因为列中的数据已经完成,映射将首先开始。但选择操作需要尽快执行。 请注意,我刚才提到来自一个域的列。大多数实际数据库中完成的联结是等值联结,这意味着在不同表中的列都是来自同一个域,并且匹配相同的值。特别是,PRIMARY KEY及其引用FOREIGN KEY都必须在同一个域中。PRIMARY KEY列包含表的唯一值,而FOREIGN KEY可能是一对多的。 我们可以在列描述符中添加表的名字,使之成为域描述符:{table_name, star...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS8编译安装MySQL8.0.19
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS7设置SWAP分区,小内存服务器的救世主
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- SpringBoot2整合Redis,开启缓存,提高访问速度