Bigdata Tools

• 1. Apache Druid
  • 1.1. 架构
  • 1.2. 预聚合-位图索引
  • 1.3. 基本使用
  • 1.4. 清理Druid
• 2. Apache Flume
  • 2.1. 概述
  • 2.2. 组件架构
  • 2.3. Flume 安装
  • 2.4. 案例
• 3. Flink
  • 3.1. 环境搭建
  • 3.2. Flink运行时组件
  • 3.3. ExecutionGraph
  • 3.4. 总体架构
  • 3.5. 广播变量
  • 3.6. 分布式缓存
  • 3.7. State
  • 3.8. 容错机制
  • 3.9. End To End Exactly-Once
  • 3.10. 并行度
  • 3.11. Flink CEP
• 4. Hadoop搭建总体步骤
  • 4.1. Linux集群环境
  • 4.2. 节点规划
  • 4.3. Hadoop分布式上安装
• 5. Hbase
  • 5.1. 介绍
  • 5.2. 功能
  • 5.3. 应用场景
  • 5.4. 特点及概念
  • 5.5. HBASE架构
  • 5.6. 配置
  • 5.7. 客户端操作
  • 5.8. 存储设计
  • 5.9. 角色功能
  • 5.10. HBASE Java API
  • 5.11. Hbase与MapReduce的集成
  • 5.12. BulkLoad
  • 5.13. Hive与HBASE集成
  • 5.14. HBASE热点
  • 5.15. 预分区与Rowkey设计
  • 5.16. LSM模型与列族属性
  • 5.17. 常用列族属性
• 6. Hive
  • 6.1. 本质
  • 6.2. 功能
  • 6.3. 应用场景
  • 6.4. 架构
  • 6.5. 常用配置
  • 6.6. 元数据服务
  • 6.7. 表的分类与结构
  • 6.8. Join与排序
  • 6.9. 复杂数据类型
  • 6.10. 函数
• 7. Kafka
  • 7.1. 消息队列
  • 7.2. Kafka的介绍和以及应用
  • 7.3. 自定义分区规则
  • 7.4. 手动控制Offset
  • 7.5. Kafka存储及检索
  • 7.6. Kafka安全性保证
  • 7.7. Kafka常用配置
  • 7.8. Kafka常用操作指南
  • 7.9. Kafka Rebalance
  • 7.10. Kafka的分区策略
• 8. Kudu
  • 8.1. Overview
  • 8.2. 架构
  • 8.3. API使用
• 9. Kylin
  • 9.1. 概述
  • 9.2. 启动
  • 9.3. 使用
  • 9.4. 工作原理
  • 9.5. 碎片管理
  • 9.6. Cuboid剪枝优化
• 10. Redis
  • 10.1. 介绍
  • 10.2. 应用场景
  • 10.3. 特点
  • 10.4. Windows上使用Redis
  • 10.5. 数据类型和语法
  • 10.6. 持久化
  • 10.7. 集群搭建
  • 10.8. 可能遇到的问题
• 11. Spark
  • 11.1. Introduction
  • 11.2. 框架模块
  • 11.3. 运行模式
  • 11.4. Quick Start
  • 11.5. Spark应用组成
  • 11.6. 使用Spark Shell
  • 11.7. Spark Standalone集群
  • 11.8. 提交程序运行Spark Submit
  • 11.9. Spark Standalone HA
  • 11.10. Spark On Yarn
  • 11.11. Deploy Mode
• 12. Spark Core
  • 12.1. RDD
  • 12.2. 持久化
  • 12.3. Checkpoint
  • 12.4. 共享变量
  • 12.5. Spark内核调度
  • 12.6. Spark Shuffle
  • 12.7. Job调度流程
  • 12.8. 并行度
• 13. Spark SQL
  • 13.1. 概述
  • 13.2. DataFrame
  • 13.3. Dataset
  • 13.4. RDD、DataFrame和Dataset之间的转化关系
  • 13.5. 如何理解RDD、DataFrame和Dataset
• 14. Spark Streaming
  • 14.1. 计算思想
  • 14.2. 编程步骤
  • 14.3. 应用监控
  • 14.4. 工作原理
  • 14.5. DStream
  • 14.6. 流式应用状态
• 15. Structured Streaming
  • 15.1. Spark Streaming的不足
  • 15.2. Structured Streaming 和其他系统的显著区别
  • 15.3. 核心思想
  • 15.4. 输入源
  • 15.5. Streaming Queries
  • 15.6. 集成Kafka
  • 15.7. 事件时间窗口分析
  • 15.8. Streaming Deduplication
  • 15.9. 附录
• 16. Zookeeper
  • 16.1. 辅助选举
  • 16.2. ZK选举
  • 16.3. 节点类型
  • 16.4. 监听机制
  • 16.5. 基本使用
• 17. ZookeeperAndHadoop
  • 17.1. Zookeeper
  • 17.2. Hadoop
• 18. 常用软件梳理
  • 18.1. 软件及开放的端口
  • 18.2. Zookeeper基本使用
  • 18.3. Hadoop基本使用
  • 18.4. Hive的基本使用
  • 18.5. HBASE基本使用