由于blog各种垃圾评论太多,而且本人审核评论周期较长,所以懒得管理评论了,就把评论功能关闭,有问题可以直接qq骚扰我

 分类:大数据

openresty收集埋点日志

openresty收集埋点日志
前言 本文主要介绍如果通过openresty+lua实现一个前端埋点服务,实现功能如下: (1)用户上传数据实现简单的鉴权 (2)允许跨域请求 (3)获取用户上传的body内容和部分header头,拼接成最终完成的埋点信息,发送给Kafka 架构图如下: 配置 (1)编译安装o...

3天前 19℃ 1喜欢

streamset 实时同步mysql binlog到kudu

streamset 实时同步mysql binlog到kudu
背景 业务数据库中有一些mysql表,这些表的记录会被增删改,我们的需求是需要吧这些mysql表实时同步到大数据数仓的impala中,作为数仓的维表来进行使用,因此需要实时的反映这些表的变化情况。 StreamSets Data Collector(SDC)是目前最先进的可视化数...

2个月前 (11-13) 379℃ 29喜欢

Kafka 实现内外网访问流量分离

Kafka 实现内外网访问流量分离
背景 和第三方公司进行数据集成,因为第三方服务和我们不是部署在一个数据中心,所以需要给第三方的程序开放Kafka的公网访问 问题:Kafka 无法同时内外网访问 Kafka 默认只暴露出来一个地址放到zk中,用户请求Kafka的时候,会返回zk中的地址给客户端进行访问,就算做了公...

2个月前 (11-13) 187℃ 0喜欢

HUE 数据导出限制修改

HUE 数据导出限制修改
需求: HUE 默认限制数据导出条数为10W,但是我们由个需求,数据量是12万,导致无法通过HUE导出 环境:CDH 6.3.2 解决 在服务器手动修改HUE配置文件(注:服务器端没有修改入口),在默认值后添加一个0即可 vim /opt/cloudera/parcels/CDH...

7个月前 (06-22) 571℃ 84喜欢

CDH hive 2.1.1 升级hive2.3.8

CDH hive 2.1.1 升级hive2.3.8
简介 因为CDH5和6架构使用组件间紧耦合架构,不提供组件的独立升级,如果在使用CDH过程中,有需要独立升级组件的需求,就需要尝试和Apache的社区版本进行结合部署,本文以独立升级hive为例进行展示。 环境说明 操作系统:centos 7.8 CDH 版本6.3.2 hive...

7个月前 (06-14) 1250℃ 5喜欢

atlas2.1集成CDH6.2进行元数据管理

atlas2.1集成CDH6.2进行元数据管理
Atlas介绍 Apache atlas为组织提供开放式元数据管理和治理功能,用以构建其数据资产目录,对这些资产进行分类和管理,并为数据分析师和数据治理团队,提供围绕这些数据资产的协作功能。 核心组件 core Ingest/Export:Ingest 组件允许将元数据添加到 ...

11个月前 (02-22) 1621℃ 37喜欢

ClickHouse学习和集群部署

ClickHouse学习和集群部署
1、ClickHouse产生背景 随着科技的发展,时代的进步,数据分析师已经不再满足于传统的T+1式报表或需要提前设置好维度与指标的OLAP查询。数据分析师更希望使用可以支持任意指标、任意维度并秒级给出反馈的大数据Ad-hoc查询系统。这对大数据技术来说是一项非常大的挑战,传统的...

12个月前 (02-09) 3519℃ 6喜欢

Azkaban 任务运行时长监控

Azkaban 任务运行时长监控
1、解决的痛点 各种原因导致的Azkaban任务运行假死,无法正常跑任务的情况。 2、解决方案 通过调用Azkaban API接口,获取project flow的startTime时间,通过程序进行相减,得出的值超过报警阀值进行报警。 API调用示例: 1、获取用户身份的sess...

2年前 (2020-07-19) 2371℃ 25喜欢

impala 实时分析引擎介绍

impala 实时分析引擎介绍
impala的产生背景和应用场景 Impala由cloudera公司主导开发的大数据实时查询分析工具,宣称比原来基于MapReduce的HiveSQL查询速度提升3~90倍,且更加灵活易用。提供类SQL的查询语句,能够查询存储在HDFS、Kudu、HBase(实际生产环境中不用)...

2年前 (2019-08-20) 5847℃ 23喜欢

实时计算——storm原理和运维

实时计算——storm原理和运维
什么是storm Apache Storm是一个分布式实时大数据处理系统。Storm设计用于在容错和水平可扩展方法中处理大量数据。它是一个流数据框架,具有较高的吞吐率和较低的延迟。Storm是无状态的,它通过Apache ZooKeeper 管理分布式环境和集群状态。部署和开发S...

3年前 (2019-05-04) 4325℃ 4喜欢