全部 Python+大數(shù)據(jù)新聞動(dòng)態(tài) Python+大數(shù)據(jù)技術(shù)文章 Python+大數(shù)據(jù)學(xué)習(xí)常見問題 技術(shù)問答

• • 

    大數(shù)據(jù)培訓(xùn)：Azkaban組成結(jié)構(gòu)

    Azkaban工作流管理器由3個(gè)核心部分組成，具體如下。Relational Database(關(guān)系數(shù)據(jù)庫MySQL)、Azkaban Web Server(Web服務(wù)器)、Azkaban Executor Server(執(zhí)行服務(wù)器)。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-29 |傳智教育 |Azkaban組成結(jié)構(gòu)

  • 

    stringbuilder和stringbuffer的區(qū)別是什么?

    StringBuilder和StringBuffer都是用于處理字符串的類，它們有著相似的功能，但在一些方面有所不同。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-28 |傳智教育 |stringbuilder和stringbuffer的區(qū)別是什么

  • 

    kafka+spark-streaming結(jié)合丟數(shù)據(jù)怎么解決?

    Kafka和Spark Streaming結(jié)合時(shí)，數(shù)據(jù)丟失可能源于多種原因。以下是一些可能導(dǎo)致數(shù)據(jù)丟失的常見問題以及解決方法：Spark Streaming的配置可能不正確，導(dǎo)致數(shù)據(jù)丟失。例如，處理批次的時(shí)間間隔太短，導(dǎo)致無法及時(shí)處理所有數(shù)據(jù)。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-27 |傳智教育 |kafka+spark-streaming結(jié)合丟數(shù)據(jù)怎么解決

  • 

    Hadoop中job和Tasks之間的區(qū)別是什么?

    在Hadoop中，"job" 和 "tasks" 是兩個(gè)關(guān)鍵概念，用于描述在分布式計(jì)算中處理大規(guī)模數(shù)據(jù)的過程。這些術(shù)語通常與MapReduce框架相關(guān)聯(lián)，MapReduce是Hadoop用于處理大數(shù)據(jù)集的編程模型。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-24 |傳智教育 |Hadoop中job和Tasks之間的區(qū)別是什么

  • 

    大數(shù)據(jù)培訓(xùn)：Hadoop框架中怎么來優(yōu)化?

    Hadoop框架中可以通過調(diào)優(yōu)Hadoop參數(shù)、優(yōu)化應(yīng)用程序、從系統(tǒng)實(shí)現(xiàn)的角度出發(fā)進(jìn)行優(yōu)化、調(diào)整linux內(nèi)核參數(shù)四種方式進(jìn)行優(yōu)化。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-23 |傳智教育 |Hadoop框架中怎么來優(yōu)化

  • 

    特別大的數(shù)據(jù)，怎么發(fā)送到excutor中?

    發(fā)送大量數(shù)據(jù)到執(zhí)行器(Executor)通常需要一些分布式計(jì)算框架或數(shù)據(jù)處理工具。對于大數(shù)據(jù)處理，Apache Spark是一個(gè)非常流行的選擇，它支持分布式處理和并行計(jì)算。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-22 |傳智教育 |特別大的數(shù)據(jù)，怎么發(fā)送到excutor中

  • 

    Hive的distribute by和group by有什么區(qū)別?

    在Hive中，DISTRIBUTE BY和GROUP BY是用于處理數(shù)據(jù)的兩種不同操作，它們在功能和作用上有一些區(qū)別。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-21 |傳智教育 |distribute by和group by區(qū)別是什么

  • 

    怎樣判別mapreduce過程有好的負(fù)載均衡?

    在判斷MapReduce過程是否具有良好的負(fù)載均衡時(shí)，可以考慮以下幾個(gè)指標(biāo)和方法:任務(wù)執(zhí)行時(shí)間、數(shù)據(jù)分布、任務(wù)分配、資源利用率、動(dòng)態(tài)調(diào)整策略。 查看全文>>

    Python+大數(shù)據(jù)學(xué)習(xí)常見問題2023-11-20 |傳智教育 |怎樣判別mapreduce過程有好的負(fù)載均衡

  << < 1 2 3 4 5 6 7 8 9 ... 48 > >>