2.NameNode在启动时自动进入安全模式，在安全模式阶段，说法错误的是A. 安全模式目的是在系统启动时检查各个DataNode上数据块的有效性B.根据策略对数据块进行必要的复制或删除C.当数据块最小百分比数满足最小副本数条件时，会自动退出安全模式D.文件系统允许有修改标准答案：D3.关于HDFS的文件写入，正确的是A.支持多用户对同一个文件的写操作B.用户可以在文件的任意位置进行修改C.默认将文件复制成三份存放D.复制的文件默认都存在同一机架上标准答案：C9.下面与HDFS类似的框架是？CANTFSBFAT32CGFS(也是分布式文件系统，谷歌自己的分布式文件系统)DEXT34.HDFS无
文章目录什么是数仓仓库建模？ER模型三范式维度建模事实表事实表类型维度表维度表类型数仓分层ODS源数据层ODS层表示例DWD明细数据层DWD层表示例DIM公共维度层DIM层表示例DWS数据汇总层DWS层表数据ADS数据应用层ADS层接口示例数仓分层的优势什么是数仓仓库建模？数据仓库建模（DataWarehouseModeling）是指在数据仓库（DataWarehouse）中组织和设计数据的过程，以便支持数据分析、报告和决策制定。数据仓库是一个集成的、主题导向的数据存储，用于存储来自不同来源的数据，经过清洗、转换和集成，以支持业务分析和决策。主要目标是创建一个能够满足用户需求的数据结构，以便用
1、HDFS工作流程启动NameNode，NameNode加载fsimage到内存，对内存数据执行editslog日志中的事务操作。文件系统元数据内存镜像加载完毕，进行fsimage和editslog日志的合并，并创建新的fsimage文件和一个空的editslog日志文件。NameNode等待DataNode上传block列表信息，直到副本数满足最小副本条件,这个过程NameNode处于安全模式，最小副本条件指整个文件系统中有99.9%的block达到了最小副本数（默认值是1，可设置）。当满足了最小副本条件，再过30秒，NameNode就会退出安全模式。NameNode安全模式（safemo
文章目录一、部署环境安装说明1.HBASE和JDK版本对应关系2.HBASE和Hadoop版本对应关系3.预先声明二、配置Hadoop安装环境2.1.设置免密2.2.配置环境变量2.3.配置Hadoop相关文件2.4.验证三、安装HBASE3.1.解压3.2.配置环境变量3.3.修改配置一、部署环境安装说明名称版本腾讯云centos7.xjdk1.8Hadoop3.1.1HBASE2.0.61.HBASE和JDK版本对应关系HBASE官网：https://hbase.apache.org/HBASE官方指南：https://hbase.apache.org/book.htmlHBASE和JDK
第一部分：字符集规范【强制】数据库字符集指定utf-8，并且只支持utf-8。 命令规范【建议】库名统一使用小写方式，中间用下划线（_）分割，长度62字节内【建议】表名称大小写敏感，统一使用小写方式，中间用下划线（_）分割，长度64字节内第二部分：建表规范【强制】确保每个tablet大小为1-3G之间。举例：假设表内单分区数据量在100G，按天分区,bucket数量100个。【强烈建议】不要使用AutoBucket，按照自己的数据量来进行分区分桶，这样你的导入及查询性能都会得到很好的效果，AutoBucket会造成tablet数量过多，造成大量小文件的问题。【强制】5亿以上的数据必须设置分区分
文章目录HadoopYARNCgroups实践什么是cgroupscgroups概念YARN使用cgroups背景cgroups在YARN中的工作原理cgroups在YARN中的实践步骤NOTE参考HadoopYARNCgroups实践什么是cgroupscgroups的全名叫做ControlGroups，它是Linux内核的一个功能，用来限制、控制与分离一个进程组的资源（如CPU、内存、网络、磁盘IO等）。cgroups主要提供有以下四个功能：ResourceLimiting:Group可以设定CPU、内存等使用上限；Prioritization:不同的Group可以拥有不同的CPU跟磁盘I
数仓开发一.数仓分层1.为什么要分层？清晰数据结构：每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。数据血缘追踪：如果有一张来源表出问题了，我们希望能够快速准确地定位到问题，并清楚它的危害范围。减少重复开发：规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算。统一数据口径：通过数据分层，提供统一的数据出口，统一对外输出的数据口径。屏蔽业务的影响：不必改一次业务就需要重新接入数据。屏蔽原始数据的异常：不论是数据的异常还是数据敏感性，使真实数据与统计数据解耦开。2.三层设计（ODS,DW,ADS）2.1数据运营层:ODS（OperationalDataStor
文章目录目录前言一、从MySQL数据库中获取需要展示的数据。1.引入库2.连接到MySQL数据库二、创建图表三、运行后结果展示四、学习心得 总结前言 将Mysql表数据可视化展示在Web程序中可以借助ECharts这样的图表库来实现。通过Web程序连接MySQL数据库，获取数据后，使用ECharts图表库将数据转换为可视化图表展示在Web页面上。这样用户可以通过浏览器访问Web程序，直观地看到MySQL表中的数据关系和统计结果。一、从MySQL数据库中获取需要展示的数据。 下面这段代码是一个基于Flask框架的Web应用程序，实现了连接到MySQL数据库，并提供了一个接口/dat
目录一、大数据概论1.大数据的概念2.大数据的特点3.大数据应用场景二、Hadoop概述1.Hadoop定义2.Hadoop发展历史3.Hadoop发行版本4.Hadoop优势5.Hadoop1.x/2.x/3.x6.HDFS架构7.Yarn架构8.MapReduce架构9.大数据技术生态体系一、大数据概论1.大数据的概念指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据主要解决海量数据的采集、存储和分析计算问题。顺序存储单位：bit、Byte、KB、MB、GB、TB、PB
MapReduce仅作了解，生产上很少使用该计算程序1、MapReduce介绍MapReduce思想在生活中处处可见。或多或少都曾接触过这种思想。MapReduce的思想核心是“分而治之”，适用于大量复杂的任务处理场景（大规模数据处理场景）。即使是发布过论文实现分布式计算的谷歌也只是实现了这种思想，而不是自己原创。1、Map负责“分”，即把复杂的任务分解为若干个“简单的任务”来并行处理。可以进行拆分的前提是这些小任务可以并行计算，彼此间几乎没有依赖关系。2、Reduce负责“合”，即对map阶段的结果进行全局汇总。3、MapReduce运行在yarn集群ResourceManagerNodeM
