Arkham的专栏

一、算子分类   从大方向来说，Spark 算子大致可以分为以下两类:    1）Transformation 变换/转换算子：这种变换并不触发提交作业，完成作业中间过程处理。   Transformation 操作是延迟计算的，也就是说从一个RDD 转换生成另一个 RDD 的转换操作不是马上执行，需要等到有 Action 操作的时候才会真正触发运算。   2）Action 行动算...

一、flume安装（一）概述   Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。Flume可以采集文件，socket数据包等各种形式源数据，又可以将采集到的数据输出到HDFS、hbase、hive、kafka等众多外部存储系统中，一般的采集需求，通过对flume的简单配置即可实现， Flume针对特殊场景也具备良好的自定义扩展能力，因此，flume可以适用于大部分的...

一、当需保存各字段确定时   在spark官方文档上给出了几种保存数据至数据库的方式，在字段确定时使用非常方便，代码如下:## 读取数据val jdbcDF = spark.read .format("jdbc") .option("url", "jdbc:postgresql:dbserver") .option("dbtable", "schema.tablename")...

一、使用反射的方式   这种方式是使用反射的方式，用反射去推倒出来RDD里面的schema，也就是根据包括case class数据的RDD转换成DataFrame，这个方式简单，在已知schema的时候非常方便def main(args: Array[String]): Unit = {val spark = SparkSession.builder().appName("TopNStat...