草庐IT

apache-aurora

全部标签

什么是 Apache ActiveMQ?

什么是ActiveMQ?ActiveMQ是一种流行的消息传递服务,可促进企业系统中大规模的不同数据。在本ActiveMQ教程中,我们概述了ActiveMQ、它的优点、它的工作原理以及何时应该使用它。什么是ActiveMQ?ActiveMQ是一种流行的开源消息传递服务,它构建在Java之上。它用作面向消息的中间件(MoM)。ActiveMQ的设计目的是在两个或多个应用程序之间发送消息,就像所有面向消息的中间件一样。这里推荐一个视频课程:https://www.bilibili.com/video/BV1f24y1N72X/?vd_source=0ba66e578821564652f75cbe29

忽略org.apache.hadoop.mapred.maptask $ newOutputCollector期间的异常

我创建了一个hadoop自定义写作,如下所示publicclassResultTypeimplementsWritable{privateTextxxxx;privateTextyyyy;privateTextzzzz;publicResultType(){}publicResultType(Textxxxx,Textyyyy,Textzzzz){this.xxxx=xxxx;this.yyyy=yyyy;this.zzzz=zzzz;}publicTextgetxxxx(){returnthis.xxxx;}publicTextgetyyyy(){returnthis.yyyy;}publi

Aurora 64B/66B 设计,仿真验证数据传输速率

项目需求:要求使用Aurora协议,采集光口传输四通道传输的数据。环境:Vivado2017.4器件:Kintex-7    xc7k325tffg676-2一、创建新的空工程对应器件选型来创建Aurora_test的工程。略。二、添加IPcore 三、配置IPxilinx官方文档pg074有对应每一个选项下的介绍,采用简单粗暴的stearming式传输。四、IP核例化`timescale1ns/1psmoduleAurora_test(sys_clk_p,sys_clk_n,sys_rst_nGTH_MCLK0_P,GTH_MCLK0_N,txp,txn,rxp,rxn)inputwires

Spark开源REST服务——Apache Livy(Spark 客户端)

文章目录一、概述二、ApacheLivy模块介绍1)Client2)router3)权限管理4)生成SparkApp5)交互式Driver6)状态数据存储三、ApacheLivy架构1)Livy架构2)Livy执行作业流程四、环境部署1)下载2)配置3)启动服务五、LivyAPI实战操作1)创建交互式会话2)批处理会话(BatchSession)3)查询4)删除一、概述Livy是一个提供Rest接口和spark集群交互的服务。它可以提交SparkJob或者Spark一段代码,同步或者异步的返回结果;也提供Sparkcontext的管理,通过Restful接口或RPC客户端库。Livy也简化了与

Apache JMeter使用教程

前言ApacheJMeter™应用程序是开源软件,是一个100%纯Java应用程序,旨在加载测试功能行为和测量性能。它最初是为测试Web应用程序而设计的,但后来扩展到其他测试功能我能用它做什么?ApacheJMeter可用于测试静态和动态资源、Web动态应用程序的性能。它可用于模拟服务器、服务器组、网络或对象上的重负载,以测试其强度或分析不同负载类型下的整体性能。ApacheJMeter功能包括:能够加载和性能测试许多不同的应用程序/服务器/协议类型:Web-HTTP,HTTPS(Java,NodeJS,PHP,ASP.NET,…)SOAP/REST网络服务文件传输协议通过JDBC数据库LDA

[FPGA/VerilogHDL/Xilinx]Aurora接口及协议

1.概述Aurora协议是一个用于在点对点串行链路间移动数据的可扩展轻量级链路层协议,并为物理层提供透明接口,让专有协议或业界标准协议上层能方便地使用高速收发器Aurora协议在Xilinx的FPGA上有两种实现方式:8B/10B与64B/10B。两个协议大部分相同,主要区别在编码方式上:Aurora-8B/10B:将8bit数据编码成10bit数码进行传输,尽量平衡数据中“0”和“1”的个数以实现DC平衡,显然这个编码方式的开销是20%,也就是效率为80%Aurora-64B/10B:将64bit数据编码成66bit块传输,66bit块的前两位表示同步头,主要由于接收端的数据对齐和接收数据位

使用 Apache Flink 开发实时 ETL

ApacheFlink是大数据领域又一新兴框架。它与Spark的不同之处在于,它是使用流式处理来模拟批量处理的,因此能够提供亚秒级的、符合Exactly-once语义的实时处理能力。Flink的使用场景之一是构建实时的数据通道,在不同的存储之间搬运和转换数据。本文将介绍如何使用Flink开发实时ETL程序,并介绍Flink是如何保证其Exactly-once语义的。示例程序让我们来编写一个从Kafka抽取数据到HDFS的程序。数据源是一组事件日志,其中包含了事件发生的时间,以时间戳的方式存储。我们需要将这些日志按事件时间分别存放到不同的目录中,即按日分桶。时间日志示例如下:{"timestam

Apache DolphinScheduler 3.0.6 发布,或将是最后一个 3.0.X 版本

 ApacheDolphinScheduler于近日发布了3.0.6版本,主要针对3.0.5重要bug进行修复。如果之后没有发现重大问题,3.0.6将会是3.0.x最后一个版本。Bug修复 Master重新连接zk后slot没有正常更新#14014父工作流失败时subprocess没有正常结束#14087下载地址:https://dolphinscheduler.apache.org/zh-cn/download/3.0.6ReleaseNote:https://github.com/apache/dolphinscheduler/releases/tag/3.0.6致谢贡献者Radeity、

Apache Superset——开源的大数据探索分析、可视化报表平台

目录1.需求背景1.1大数据可视化面临的挑战1.2大数据数据可视化的目标架构2.ApacheSuperset简介2.1ApacheSuperset是什么?2.2为什么选ApacheSuperset?2.3对比Metabase3.快速上手4.部署安装4.1部署方式及版本4.2配置需求4.3下载安装4.3安装注意及排错4.4启动与关闭5.用户手册(重点)5.1新建Databases(数据库)5.2新建Datasets(数据集,老版本也叫Tables)5.3SQLLab(SQL实验室)5.4创建Charts(图表)5.5创建Dashboards(仪表盘)6.设置6.1角色列表及权限6.2用户列表6.

Apache POI实现Excel导入读取数据和写入数据并导出

ApachePOIPOI介绍ApachePOI是用Java编写的免费开源的跨平台的JavaAPI,ApachePOI提供API给Java程序对MicrosoftOffice格式档案读和写的功能,其中使用最多的就是使用POI操作Excel文件。maven坐标:dependency>groupId>org.apache.poigroupId>artifactId>poiartifactId>version>3.14version>dependency>dependency>groupId>org.apache.poigroupId>artifactId>poi-ooxmlartifactId>ve