文章
智能存储 | 视频增强“全家桶”,为您的视频快速“换脸”
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/08885321927d342540164cc2cae8366e.png)您的视频是否也像这样有明显的颗粒感、模糊、色彩灰暗,充满了怀旧色彩,别说这是氛围感,也不要怪罪拍摄设
拖拽报表设计香不香—JimuReport 1.4.0新特性
11月初我们发布了1.4.0里程碑稳定版本,增加了一些新功能包括丰富了查询控件、支持查询JS/CSS增强、支持mongodb、redis、存储过程数据集、支持分组小计、支持图表钻取、条件钻取、支持表格背景设置斑马线、支持分栏功能、支持分版功能、支持动态合并格等等;下面就让我们一起来看一下具体的功能吧
数据分析 | 用 SeaTable 表格快速统计分析订单数据
SeaTable(https://link.segmentfault.com/?encc3NrIoVD%2FcCQmNnYyFFhYQ%3D%3D.zh5uZX6LMykb%2Fs2jlkFwWT3F6q4Xh9kEGYBceAQypbk%3D)是一个支持多种数据类型的协同表格和信息管理工具
Spark学习之路 (十七)Spark分区
一、分区的概念 分区是RDD内部并行计算的一个计算单元,RDD的数据集在逻辑上被划分为多个分片,每一个分片称为分区,分区的格式决定了并行计算的粒度,而每个分区的数值计算都是在一个任务中进行的,因此任务的个数,也是由RDD(准确来说是作业最后一个RDD)的分区数决定。二、为什么要进行分区 数据分区,在分布式
Spark学习之Spark安装
Spark安装spark运行环境spark是Scala写的,运行在jvm上,运行环境为java7如果使用Python的API,需要使用Python2.6或者Python3.4Spark1.6.2 Scala2.10 Spark2.0.0 Scala 2.11
Spark 部署及示例代码讲解
Spark部署及示例代码讲解本文介绍了如何下载、部署Spark及示例代码的运行。此外,深入介绍了运行代码的过程、脚本内容,通过这些介绍力求让读者可以快速地上手Spark。目前市面上发布的Spark中文书籍对于初学者来说大多较为难读懂,作者力求推出一系列Spark文章,让读者能够从实际入手的角度来了解Spa
Spark 核心篇
本章内容:1、功能描述本篇文章就要根据源码分析SparkContext所做的一些事情,用过Spark的开发者都知道SparkContext是编写Spark程序用到的第一个类,足以说明SparkContext的重要性;这里先摘抄SparkContext源码注释来简单介绍介绍SparkContext,注释的第一句话就是说Spar
Spark 内存分配
Spark内存分配博客分类:sparkSpark1.5堆内存分配(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.cnblogs.com%2Fdreamfly2016%2Fp%2F5720180.html)
Spark Streaming和Kafka集成深入浅出
写在前面本文主要介绍SparkStreaming基本概念、kafka集成、Offset管理本文主要介绍SparkStreaming基本概念、kafka集成、Offset管理一、概述Spark Streaming顾名思义是spark的流式处理框架,是面向海量数据实现高吞吐量、高可用的分布式实时计算。关于spark的安装可以参考Spa
Spark Streaming 交互 Kafka的两种方式
一、SparkStreaming连Kafka(重点)方式一:Receiver方式连:走磁盘使用HighLevelAPI(高阶API)实现Offset自动管理,灵活性差,处理数据时,如果某一时刻数据量过大就会磁盘溢写,通过WALS(WriteAheadLogs)进行磁盘写入,0.10版本之后被舍弃,相当于一个人拿着一个水杯去接水,水龙头的
已加载文章中没有匹配内容,试试其他关键词或清空搜索。