ITPub博客

异构存储这个词或许很多人并不陌生，但如果一个搜索引擎将Hadoop得异构存储和索引整合会有什么效果呢？         我们先来看一下hadoop异构存储的相关概念：1.       什么是hadoop的异构存储Hadoop在2.6.0版本中引入了一个新特性—

https://stackoverflow.com/questions/3434719/how-to-get-the-remaining-battery-life-in-a-windows-system

package main import ( _ "bufio" "os" "fmt" "encoding/xml" "io/ioutil" "strings" ) type Property 

再shell中可以通过xmllint处理xml文件，搜集别人的资料看了一下用起来不错，因为程序不止在一个机器上跑， 不确定其他机器是否安装xmllint，经过实验 在centos 6.5版本 最小化安装的情况下 xmllint默认是安装的， 这下可以放心使用啦。 xmllint简单处理配合xpath会很好用   xpath的一些只

#centos 6.x #在开启防火墙的情况下打开nfs iptables -L -n #开启端口 iptables -A INPUT -p tcp --dport 892 -j ACCEPT iptables -A OUTPUT -p t

     //SimpleDateFormate线程不安全，DateTimeFormatter线程安全      DateTimeFormatter dtf = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:s"

package hgs.spark; import java.util.ArrayList; import java.util.Iterator; import java.util.List; import org.apache.spark.SparkConf; import org.apache.spark.api.j

flink在计算的时候可以将一个状态保存在计算过程中 在需要的时候来使用

https://blog.csdn.net/xpsharp/article/details/47156209

附链接地址https://blog.csdn.net/ytm823584371/article/details/80834884

package hgs.spark.hive import org.apache.spark.SparkConf import org.apache.spark.SparkContext import org.apache.spark.sql.SparkSession import org.apache.spark.sql.SQLCon

spark读取hbase的数据

package flink.table_sql /*需要maven依赖  *      org.apache.flink     flink-tab

flink connector 之FlinkKafkaProducer

通过spark将数据存储到elasticsearch

flink使用Event_time处理实时数据

ElasticSearch 6.6.0集群安装

//主类 package flink.streaming import java.util.Properties import org.apache.flink.streaming.api.scala._ import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer

为了让Mac支持读写ntfs硬盘，许多人都会花钱购买第三方软件。这类软件不仅价格高，还相当不稳定，哪天你U盘上的数据不见了，很有可能就是拜它所赐。理论上来说，macOS是支持NTFS的读写的，我们只需要修改一些系统参数就能实现了，而且非常简单，小白也能轻松操作。下面POPPUR就来跟大家详细讲解一下该如何让Mac支持ntfs读写。将U盘或者移动硬盘插入电脑，查看它的名称，这里假设名称是A。（为了方

package flink.streamingimport java.util.Propertiesimport org.apache.flink.streaming.api.scala._import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumerimport org.apache.flink.api.common.s