本文转载：http://blog.csdn.net/tianhai110/article/details/6339565在UML类图中，常见的有以下几种关系:泛化（Generalization）,实现（Realization），关联（Association)，聚合（Aggregation），组合(C...
分类：
其他好文 时间：
2014-05-23 21:57:06
阅读次数：
339
Java实现的一个词频统计程序，考虑海量数据应该怎么做？MapReduce？！...
分类：
编程语言 时间：
2014-05-22 11:29:46
阅读次数：
361
hadoop有种简化机制来管理job和control的非线性作业之间的依赖，job对象时mapreduce的表现形式。job对象的实例化可通过传递一个jobconf对象到作业的构造函数中来实现。
x.addDeopendingJob(y)意味着x在y完成之前不会启动。
鉴于job对象存储着配置和依赖信息，jobcontrol对象会负责监管作业的执行，通过addjob（），你可以为jobcont...
分类：
其他好文 时间：
2014-05-22 07:27:41
阅读次数：
287
版本：CDH5.0.0 （hdfs:2.3，mapreduce：2.3，yarn：2.3）hadoop多文件格式输入，一般可以使用MultipleInputs类指定不同的输入文件路径以及输入文件格式。比如现在有如下的需求：现有两份数据：phone：123,good number
124,common number
125,bad numberuser：zhangsan,123
lisi,124
w...
分类：
其他好文 时间：
2014-05-22 06:23:52
阅读次数：
391
import java.io.IOException;import
java.util.StringTokenizer;import org.apache.hadoop.conf.Configuration;import
org.apache.hadoop.fs.Path;import org.ap...
分类：
其他好文 时间：
2014-05-22 01:11:55
阅读次数：
337
Hadoop技术内幕中指出Top
K算法有两步，一是统计词频，二是找出词频最高的前K个词。在网上找了很多MapReduce的Top
K案例，这些案例都只有排序功能，所以自己写了个案例。这个案例分两个步骤，第一个是就是wordCount案例，二就是排序功能。一，统计词频 1 package
TopK;...
分类：
其他好文 时间：
2014-05-21 22:29:14
阅读次数：
599
newLISP提供了一个简单的MapReduce的方式，利用net-eval函数，可以向远程运行这newlisp服务进程的机器发起调用。本文介绍最简单的方法：首先服务器启动newlisp进程newlisp -l -c -d 4711 &-l 代表记录日志，默认是打印到终端-c 是不会出现常见的newlisp的会话终端-d 是在连接之间保存状态，一个边际效应就是后续的请求必须等待前面的请求已经完成才...
分类：
其他好文 时间：
2014-05-21 07:20:38
阅读次数：
260
前段时间遇到了一个很诡异的发生的Map阶段的OOM异常，花了些时间才找到原因，这个简要记录一下。先看log。节点一的TaskTracker的log：节点二的TaskTracker的log：节点三的TaskTracker的log：其他节点的TaskTracker中的log都和slave4的一样的：故障分析：OOM是一个比较常见的故..
分类：
其他好文 时间：
2014-05-20 22:15:47
阅读次数：
422
表T_phone中字段：Id, Haoduan, Adress, Type,
Quhao1，ROW_NUMBER()是个开窗函数，它可以与聚合函数一起用，就算删除表中的列，排序也不会乱select *,ROW_NUMBER()
over(order by id) as 排序 from T_Phone...
分类：
其他好文 时间：
2014-05-20 13:16:26
阅读次数：
260
聚合操作模式（mget，bulk）APIS和单个操作和类似，不同的是，接受请求的node知道操作的document在那个shard上，他根据各个shard拆分总的multi-document请求到单个的multi-document，然后一起分发到各个node。一旦负责请求的node从各个node收到...
分类：
其他好文 时间：
2014-05-19 12:58:40
阅读次数：
330
