Scala稀疏数组练习
18.Scala稀疏数组练习一、概念当一个数组中大部分元素为 0，或者为同一个值的数组时，可以使用稀疏数组来保存该数组。稀疏数组的处理方法：记录数组一共有几行几列，有多少个不同的值。把具有不同值的元素的行列及值记录在一个小规模的数组中，从而缩小程序的规模。稀疏数组举例说明二、应用实例描述使用稀疏数组，来保留类似前面的二维数组(棋盘、地图等等)。把稀疏数组存盘，并且可以重新恢复原来的二维数组数。整体思路分析如下代码import java.io.{File, PrintWriter} import scala.collection.mutable.ArrayBuffer import sc...
Scala练习(一)
Scala练习(一)前言学习程序重要的是学习其中的思想一、scala实现快速排序快速排序介绍思想：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。1.1 一次快速排序分析快速排序使用的二分的思想首先选择一个基准，定义左右两端指针，先从左到右进行扫描直到，R[hi] < temp,将R[hi]移动至lo所在位置从右往左进行扫描，直到R[lo] > temp,将R[lo]移动到hi所在位置上左右端指针在排序过程中从数组的两端往中间...
Spark读写HBase实践
Spark读写HBase实践前言Spark经常会读写一些外部数据源，常见的有HDFS、HBase、JDBC、Redis、Kafka等。一、maven依赖需要引入Hadoop和HBase的相关依赖，版本信息根据实际情况确定。<properties> <spark.version>2.4.4</spark.version> <hadoop.version>2.7.3</hadoop.version> <hbase.version>1.3.1</hbase.versio...
SpringBoot2.x整合百度UidGenerator
SpringBoot2.x整合百度UidGenerator一、UidGenerator是什么UidGenerator是百度开源的一款分布式高性能的唯一ID生成器，是基于snowflake模型的一种ID生成器二、UidGenerator的优势1.解决了时钟回调的问题2.使用ringbuffer,无锁进行id的生产与消费,速度非常快3.适用于多线程,不会有单线程瓶颈三、整合本次通过SpringBoot2.x和MyBatis对百度UidGenerator进行整合。3.1 UidGenerator引入一般使用两种方式引入UidGenerator:（1）从官网下载源码作为自己项目的一个Module...
Scala总结（三)
15.Scala总结（三)一、字符串操作object Scala_String_Test { def main(args: Array[String]): Unit = { val s1 = "Hello" val s2 = "Scala" //拼接、合并字符串 println(s1 + " "+s2) println(s1.concat(" "+s2)) //访问、截取字符串 println(s1(0)) val s3 = s1.su...
Scala总结（二）--函数
14.Scala总结（二）--函数一、函数的声明和调用1.1 函数的声明格式权限修饰符 函数名 (参数列表） ： 返回值类型 = { 函数体 }案例：def func(i:Int) : Unit = { println(i) }1.2 函数的调用函数名（形参类表）二、函数的定义一共有如下6种情况：无参 --> 无返回值、有返回值 有参 --> 无返回值、有返回值 多参 --> 无返回值、有返回值案例：object Scala_Method { def main(args: Array[String]): Unit = { //无参...
Scala总结（一）
13.Scala总结（一）一、基础1.1 数据类型Scala 与 Java有着相同的数据类型，下表列出了 Scala 支持的数据类型：数据类型描述Byte8位有符号补码整数。数值区间为 -128 到 127Short16位有符号补码整数。数值区间为 -32768 到 32767Int32位有符号补码整数。数值区间为 -2147483648 到 2147483647Long64位有符号补码整数。数值区间为 -9223372036854775808 到 9223372036854775807Float32 位, IEEE 754 标准的单精度浮点数Double64 位 IEEE 754 标...
Spark核心概念
12.Spark核心概念一、Executor与Core Spark Executor 是集群中运行在工作节点（Worker）中的一个 JVM 进程，是整个集群中 的专门用于计算的节点。在提交应用中，可以提供参数指定计算节点的个数，以及对应的资 源。这里的资源一般指的是工作节点 Executor 的内存大小和使用的虚拟 CPU 核（Core）数量。应用程序相关启动参数如下：名称说明--num-executors配置 Executor 的数量--executor-memory配置每个 Executor 的内存大小--executor-cores配置每个 Executor 的虚拟 CP...
Spark运行架构
11.Spark运行架构一、运行架构Spark框架的核心是一个计算引擎，整体来说，它采用了标准 master-slave 的结构。 如下图所示，它展示了一个 Spark 执行时的基本结构。图形中的 Driver 表示 master，负责管理整个集群中的作业任务调度。图形中的 Executor 则是 slave，负责实际执行任务。二、核心组件由上图可以看出，对于 Spark 框架有两个核心组件：2.1 DriverSpark 驱动器节点，用于执行 Spark 任务中的 main 方法，负责实际代码的执行工作。 Driver 在 Spark 作业执行时主要负责：将用户程序转化为作业（job）...
Spark Standalone模式搭建
10.Spark Standalone模式搭建前言搭建 Spark 集群前，需要保证 JDK 环境、Zookeeper 集群和 Hadoop 集群已经搭建，相关步骤可以参阅：Zookeeper集群环境搭建Hadoop集群环境搭建一、集群介绍这里搭建一个 3 节点的 Spark 集群，其中三台主机上均部署 Worker 服务。同时为了保证高可用，除了在 hadoop001 上部署主 Master 服务外，还在 hadoop002 和 hadoop003 上分别部署备用的 Master 服务，Master 服务由 Zookeeper 集群进行协调管理，如果主 Master 不可用，则备用 M...