鸿蒙开发者社区

WOT技术大会

AIGC创新中国行

公众号矩阵

移动端

短视频免费课程课程排行直播课软考学堂

全部课程厂商认证 IT技术 2024年软考 PMP项目管理软考资讯

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO题库小程序

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

账号设置退出

大数据

8919内容

关注

大数据话题包括大数据相关的最新资讯、前沿技术、使用技巧、应用案例等内容，涉及数据分析、数据可视化、商业智能、Hadoop、Spark、数据湖、数据仓库、等领域。

文章博文帖子课程

共 8919 条

数据科学家大调查：职业受挫数据多样性，吐槽Hadoop

根据报告，有59%的数据科学家表示其所在企业已经开始采用更加复杂的分析技术，例如集群、机器学习、种量分析（Principal components analysis）、图论分析等高级分析技术分析数据，而不是局限于传统的BI报告……

2014-07-31 10:06:10

大数据 Hadoop

大数据应用程序最佳选择：SQL还是NoSQL

执行大数据[注]项目的企业面对的关键决策之一是使用哪个数据库，SQL还是NoSQL?SQL有着骄人的业绩，庞大的安装基础;而NoSQL正在获得可观的收益，且有很多支持者。我们来看看两位专家对这个问题的看法。

2014-07-30 10:29:13

大数据 NoSQL

浅谈大数据之Hadoop部署前的思考

在Hadoop出现后，对于数据的发掘更是体现的淋漓尽致，面对如此诱惑，很多传统的企业用户都想参考互联网企业的做法，非常快速的部署Hadoop，从而快速整合和发掘既有数据的价值。但现实情况却正应了”理想很丰满，现实太骨感“那句网络流行语，想快速部署Hadoop，却没那么容易。为什么会出现这样的问题呢？

2014-07-29 10:38:25

大数据 Hadoop

Hive已为Hadoop带来实时查询机制译文

Hive是一种“类SQL”查询语言，它对大规模数据集处理速度的显著提升使其成为企业级数据仓库的最佳合作伙伴。

2014-07-29 09:19:07

赵修湘：关系型数据库替代者-Hive数据仓库

Hadoop是一款运行在廉价商用服务器之上的，能够对大量数据进行有效存储和处理的软件框架，主要由HDFS分布式文件系统和Mapreduce计算框架组成，而Hive分布式数据仓库构建于hadoop的hdfs和mapred之上，用于管理和查询结构化/非结构化数据的数据仓库。

2014-07-26 15:22:31

赵修湘关系型数据库 Hive数据仓库

Databricks连城：Spark打造一体化大数据流水线

连城老师目前专注于以Spark为主的大数据分析系统，Spark SQL为Spark提供了原生的SQL关系查询能力，并进一步增强了Spark操纵结构化数据的能力。演讲伊始，连城率先分享了当今大数据的问题以及数据分析流程，通常的做法是在hadoop之上刻画框架。因此所有流程是基于HDFS，所得到的是有效的数据处理结果占比全部数据处理的比例并不高。

2014-07-26 14:44:01

Databricks 连城 Spark

Apache Spark源码走读之3：Task运行期之函数调用

本篇主要阐述在TaskRunner中执行的task其业务逻辑是如何被调用到的，另外试图讲清楚运行着的task其输入的数据从哪获取，处理的结果返回到哪里，如何返回。

2014-07-23 10:02:11

Web安全扫描器Netsparker v3.5发布

Netsparker是一款综合型的web应用安全漏洞扫描工具，它分为专业版和免费版，免费版的功能也比较强大。Netsparker与其他综合性的web应用安全扫描工具相比的一个特点是它能够更好的检测SQL Injection和Cross-site Scripting类型的安全漏洞。

2014-07-22 10:13:26

Netsparker 漏洞扫描工具漏洞扫描

思路总结：对微博情感分析的的挖掘

一朋友由于工作需要，准备对新浪微博进行相关的抓取挖掘。特别是情感分析这一块，便于他后期的实验实践。实际上，文本挖掘及分析在未来都会产生较大的效果。

2014-07-18 09:51:05

挖掘数据分析

Spark1.0.0部署指南

今天要给大家讲述Spark1.0.0部署的过程。Spark常用的安装部署模式有Spark On Yarn和Standalone，可以同时使用。

2014-07-17 14:09:31

详细解析 hadoop 分布式部署

对于 Hadoop 来说,在 HDFS 看来,节点分为 Namenode 和 Datanode,其中Namenode 只有一个, Datanode 可以是很多;在 MapReduce 看来,节点又分为Jobtracker 和 Tasktracker,其中 Jobtracker 只有一个,Tasktracker 可以是很多。我是将 namenode 和 jobtracker 部署在 hadoop1 上, hadoop2, hadoop3 作为 datanode和 tasktracker 。

2014-07-15 11:15:44

hadoop 分布式部署

Apache Spark源码走读：如何进行代码跟读

今天不谈Spark中什么复杂的技术实现，只稍为聊聊如何进行代码跟读。众所周知，Spark使用scala进行开发，由于scala有众多的语法糖，很多时候代码跟着跟着就觉着线索跟丢掉了，另外Spark基于Akka来进行消息交互，那如何知道谁是接收方呢？

2014-07-15 10:59:58

Spark 代码跟读

Hadoop局限性与数据多样性令数据科学家抓狂译文

一份面向数据科学家的调查报告发现，大部分相关从业人士认为随着需要处理的数据源各类与数量的快速增长、其工作的进展难度也在持续攀升。此外，接近四分之一的受访者表示Hadoop无法满足他们在分析执行能力方面的实际需求。

2014-07-08 09:14:54

Hadoop局限性

Apache Spark源码走读之2：Job的提交与运行

本文以wordCount为例，详细说明spark创建和运行job的过程，重点是在进程及线程的创建。

2014-07-04 10:58:47

巧用云平台简化Spark集群与大数据部署译文

在本届Spark 2014峰会上，Databricks公司CEO Ion Stoica在主题演讲中公布了Databricks云——这是一套针对内存内集群计算的交钥匙平台，承诺以Hadoop MapReduce为基础给大数据处理任务带来显著性能提升。

2014-07-04 10:01:08

通过添加一些gems来提升Rails应用的性能

使用Rails一段时间之后，你可能就会开始吹毛求疵的想要提高它性能。这是一系列文章中第一次考虑如何提高（即使微不足道的）Rails的性能。

2014-07-04 09:58:15

Apache Spark源码走读之1:论文阅读笔记

源码阅读是一件非常容易的事，也是一件非常难的事。容易的是代码就在那里，一打开就可以看到。难的是要通过代码明白作者当初为什么要这样设计，设计之初要解决的主要问题是什么。在对Spark的源码进行具体的走读之前，如果想要快速对Spark的有一个整体性的认识，阅读Matei Zaharia做的Spark论文是一个非常不错的选择。在阅读该论文的基础之上，再结合Spark作者在2012 Developer Meetup上做的演讲Introduction to Spark Internals，那么对于Spark的内部实现会有一个比较大概的了解。有了上述的两篇文章奠定基础之后，再来进行源码阅读，

2014-07-03 15:40:09

VMware张振伦：Hadoop的虚拟化之恋

从服务器虚拟化到整个数据中心虚拟化，今天我们已经充分感受到了虚拟化这个小子的力量!如果虚拟化能和Hadoop来场恋爱，企业数据中心选择Hadoop的羁绊是不是都会一扫而光呢?答案是肯定的。虚拟化能让Hadoop和底层物理硬件分离，真正步入云端翩跹起舞，Hadoop从而轻松步入快速部署、高可用、资源弹性调度和安全多租户的云端殿堂，企业数据中心大数据分析和利用的美梦才能真正成为现实。

2014-07-02 16:06:07

Spark:星星之火即将燎原

大数据时代，Spark是继Hadoop之后，成为替代Hadoop的下一代云计算大数据核心技术，目前Spark已经构建了自己的整个大数据处理生态系统，如流处理、图技术、机器学习、NoSQL查询等方面都有自己的技术，并且是Apache顶级Project，可以预计的是2014年下半年到2015年Spark在社区和商业应用上会有爆发式的增长。目前Spark的技术在国内还属于起步阶段，为了更好地帮助大家了解Spark技术特点及应用前景，我们走访了Spark亚太研究院的院长王家林。

2014-07-02 13:55:17

在Docker上建立多节点的Hadoop集群

在上篇文章中你已经看到了在你的devbox创建一个单点Hadoop 集群是多么简单。现在我们提高门槛，在Docker上创建一个多点hadoop集群。

2014-07-01 09:53:21

Docker Hadoop集群

VMware张振伦:Hadoop的虚拟化之恋

高速增长的数据量和日益增加的竞争压力，让越来越多的企业开始思考如何挖掘这些数据的价值。传统的BI系统、数据仓库和数据库系统都不能很好地处理这些数据

2014-06-27 10:14:01

如何成为云计算大数据Spark高手？

Spark是发源于美国加州大学伯克利分校AMPLab的集群计算平台，它立足于内存计算，性能超过Hadoop百倍，从多迭代批量处理出发，兼收并蓄数据仓库、流处理和图计算等多种计算范式，是罕见的全能选手。

2014-06-25 13:57:50

云计算大数据 Spark

数据挖掘中易犯的11大错误

本文主要讲解在数据挖掘中容易犯错误以及相关的解决方案，从第7点轻信预言中挺有意思的，作者用没有正确的结论，只有越来越准确的结论作为修正。

2014-06-24 09:23:03

未来预测：Hadoop将无法独自处理大数据

大数据的世界正在稳步发展壮大。随着数据数量和种类的不断膨胀，读者都想知道接下来会发生什么。Sriram Mohan博士是罗斯豪曼理工学院计算机科学和软件工程的副教授。同时他还兼任着Avalon咨询公司大数据解决方案高级顾问一职。他融汇理论与实践于一身，他绝对是回答“2014年企业大数据发展趋势”的正确人选。下面是他的一些独到见解。

2014-06-17 09:44:30

快数据：大数据发展的下一个起点译文

开源工具正帮助企业大量处理数据流，而为了引入复杂查询与事务型处理能力，VoltDB公司的John Hugg建议采用内存内NewSQL数据存储模式。

2014-06-16 09:11:29

快数据大数据

深入理解Redis主键失效原理及实现机制

最近本博主就对Redis中的主键失效机制产生了几个疑问，并根据这些疑问对其进行了仔细的探究，现总结所得如下，以飨各位看客。

2014-06-13 11:08:52

Redis 主键失效

无所不能的大数据：预测本届世界杯赛事结果译文

我们能否利用数据来预测谁会最终夺冠？为了避免有失偏颇，我们将一边了解怀疑论者的观点、一边感受高盛集团等支持者对于数据驱动模型能够成功预测世界杯冠军归属的坚定决心。

2014-06-13 02:21:14

大数据预测世界杯

关于CentOS 6下Hadoop占用系统态CPU高的处理办法

一次不经意发现Hadoop的系统态CPU使用率很高，然后百度一下居然是个已知问题。RHEL6优化了内存申请的效率，而且在某些场景下对KVM的性能有明显提升。

2014-06-12 20:00:14

CentOS 6 Hadoop

2014世界杯冠军预测图：基于大数据与JavaScript 原创

一年一度的球迷盛宴——2014巴西世界杯即将6月13号凌晨即将打响，在世界杯过往的84年历史中，巨星闪耀,，留下无尽的传奇史话。这个夏天注定会被桑巴足球的热情所点燃：32支强队、64场激烈的角逐。

2014-06-12 11:32:16

世界杯大数据

给Hadoop新手的一封信

晚上整理邮箱，找到了一封之前网友的关于hadoop学习的来信以及我的回信，我想应该对初学者会有帮助，就贴出来给大家看看!

2014-06-09 15:43:50

解析Spark在腾讯、雅虎、优酷的成功应用

Spark作为Apache顶级的开源项目，项目主页见http://spark.apache.org。在迭代计算，交互式查询计算以及批量流计算方面都有相关的子项目，如Shark、Spark Streaming、MLbase、GraphX、SparkR等。从13年起Spark开始举行了自已的Spark Summit会议，会议网址见http://spark-summit.org。Amplab实验室单独成立了独立公司Databricks来支持Spark的研发。

2014-06-09 14:44:44

快扔掉MapReduce，拥抱Spark吧！译文

Apache Spark也许能为Hadoop MapReduce带来一套速度表现更出色的替代方案。

2014-06-05 08:47:52

Spark 1.0 Mapreduce

广州农商银行选择天睿公司部署企业数据仓库

全球数据分析平台、应用和服务供应商天睿公司今日宣布，广州农商银行已经采用天睿公司全球领先的动态企业数据仓库，并借助其专业服务制定数据质量治理标准，实现统一的企业级业务视图。该项目将为该行实现“数据战略”奠定坚实基础，为未来开展各种业务应用提供强大的后台支持能力。

2014-05-28 16:02:34

Teradata 数据仓库

大数据利器：Spark的单机部署与测试笔记

Spark作为最有可能代替mapreduce的分布式计算框架，正受到广泛的关注。相比Hadoop来说，Spark的中间计算结果存于内存无疑给计算过程节省了很多时间，于是想试试看其与Hadoop有什么不一样的地方，就有了这篇Spark的单机部署与测试笔记。

2014-05-16 10:55:47

Splunk推出Hunk 6.1 面向Hadoop与NoSQL Data Stores

实时运维智能软件供应商Splunk 宣布推出面向Hadoop与NoSQL Data Stores的6.1版Hunk™: Splunk® Analytics for Hadoop and NoSQL Data Stores。Hunk 6.1可以更快速、更便捷地将Hadoop与NoSQL 数据存储中的原始非结构化数据转化为商业洞察。

2014-05-08 10:12:04

大数据的结果是福是祸？

在已经到来的大数据时代，我们可能得到非常多的关于人和社会的各种数据和分析结果，面对这些结果，我们如何利用是个非常大的问题。如果我们依照目前一味迎合的做法，大数据的效果可能未必产生正能量。

2014-04-30 15:37:05

一文读懂大数据：Hadoop，大数据技术及相关应用

你想了解大数据，却对生涩的术语毫不知情？你想了解大数据的市场和应用，却又没有好的案例和解说？

2014-04-29 09:59:44

2014年值得关注的十个Hadoop大数据创业公司

开源大数据框架Apache Hadoop已经成了大数据处理的事实标准，同时也几乎成了大数据的代名词，虽然这多少有些以偏概全。

2014-04-24 09:41:06

为什么大数据与传统商业智能有所不同

大数据，这个术语已被过度使用，同样也被过度误解。现在我们陷入了这样一个怪圈：每个人都在谈论这件事，每个人都认为别人在做这件事，所以每个人都说他们正在做这件事。

2014-04-22 10:14:49

Spark基本概念解析

Spark作为一个资源管理器的存在，类似YARN、Mesos的角色，为Spark Application提供资源。

2014-04-16 15:11:19

Spark多语言编程实践

了解了Spark编程的基本概念，可以看出Spark编程都是围绕着RDD进行的。关于编程的基础知识，可以参看spark编程基础。

2014-04-16 14:50:20

Spark的Standalone模式部署

首先，下载并解压缩Spark的源码，切换到解压缩所生成的目录，运行部署包生成程序make-distribution.sh。就可以开始Standalone模式部署过程了。

2014-04-16 14:04:34

Spark Standalone

Spark的YARN模式部署

Spark可以通过SBT（Scala Build Tool）或者Maven来编译，官方提供的二进制安装文件是用Maven编译。

2014-04-16 13:47:43

Spark On Yarn(HDFS HA)详细配置过程

我们将要介绍Spark On Yarn详细配置过程，包括服务器分布以及Spark的部署全部过程。

2014-04-16 11:01:07

Spark集群部署

本文将为您介绍如何在虚拟机环境部署Spark集群。集群上已经成功部署了Hadoop2.2，软件环境为64位Ubuntu12.04 LTS。

2014-04-16 10:41:58

大数据基础知识：分布式计算、服务器集群

大数据，官方定义是指那些数据量特别大、数据类别特别复杂的数据集，这种数据集无法用传统的数据库进行存储，管理和处理。大数据的主要特点为数据量大（Volume），数据类别复杂（Variety），数据处理速度快（Velocity）和数据真实性高（Veracity），合起来被称为4V。

2014-04-16 09:12:10

百度、阿里、腾讯对待大数据的不同思路

拥有海量数据的公司已在多个领域尝试对掌握的数据进行利用，大数据意识和能力进步飞快，体系和工具日趋成熟。

2014-04-14 10:02:48

Apache Spark三种分布式部署方式比较

目前Apache Spark支持三种分布式部署方式，分别是standalone、spark on mesos和 spark on YARN。

2014-04-09 14:59:55

Cloudera将Spark划入Hadoop

Spark作为一个通用的并行计算框架，已经成为继Hadoop之后又一大热门开元项目，逐渐获得很多企业的支持。近日，Cloudera正式宣布开始商业支持Apache Spark 机器学习和数据流处理环境。

2014-04-09 10:55:55

PostgreSQL痛点的解决方案

PostgreSQL是一个很老的系统，可以追溯到1996；它被很多用户在多种操作系统上运行。因此，PostgreSQL开发商被他们可以添加的Linux指定代码的数量所限制。它是基于合作进程的，没使用线程。系统 V 共享内存用于进程间通信。重要的是，PostgreSQL维护它自己的内部缓冲区，但也使用 I/O 缓冲来读写磁盘数据。这种缓冲的组合导致了 PostgreSQL 用户所经历的一些问题。

2014-04-08 09:49:27

PostgreSQL 双缓冲

上一页 1 ··· 161 162 163 164 165 ··· 179 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营