在上篇《hive(01)、基于hadoop集群的数据仓库Hive搭建实践(https://my.oschina.net/zss1993/blog/1602402)》一文中我们搭建了分布式的数据仓库Hive服务，本文主要是在上文的基础上结合Hadoop分布式文件系统，将结构化的数据文件映射为一张数据库表，将sql语句转换为MapRedu

wait方法是让当前线程等待，这里的当前线程不是指t，而是主线程。wait会释放锁，等到其他线程调用notify方法时再继续运行。可以看下面的例子。!复制代码(https://oscimg.oschina.net/oscnet/224d9647687662c8b42e4eba0095746fe95.gif)1packagecom

阅读指南文章目录1.事务四大特性(about:blank1_4)2.数据库隔离级别(about:blank2_12)3.MYSQL的两种存储引擎区别（事务、锁级别等等），各自的适用场景(about:blank3MYSQL_27)4.索引有B索引和hash索引(about:b

引言在synchronized未优化之前，我们在编码中使用最多的同步工具类应该是ReentrantLock类，ReentrantLock拥有优化后synchronized关键字的性能，又提供了更多的灵活性。相比synchronized，他在功能上更加强大，具有等待可中断，公平锁以及绑定多个条件等synchronized不具备

master和slave机要在同一网段内，才能做分布式（Jmeter要配环境变量，这样不用手动起server）分布式不成功，解决方案：1、master端和slave端要ping通2、ping通后，telnetipport（Linux端），看一下1099端口是否被占用3、防火墙4、jmeter的log，如果请求发过去，但是没有返回结果

!(https://oscimg.oschina.net/oscnet/dfb0ab2b2caa297182037c5a3f91f27ded5.gif)HBase作为一个分布式存储的数据库，它是如何保证可用性的呢？对于分布式系统的CAP问题，它是如何权衡的呢？最重要的是，我们在生产实践中，又应该如何保证HBase服务的高可用呢？下面我

1KafkaKafka是一个开源分布式的流处理平台，一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。Kafka由Scala和Java编写，2012年成为Apache基金会下顶级项目。2Kafka优点低延迟：Kafka支持低延迟消息传递，速度极快，能达到200w写/秒

前言JDK1.5以前只有synchronized同步锁，并且效率非常低，因此大神DougLea自己写了一套并发框架，这套框架的核心就在于AbstractQueuedSynchronizer类（即AQS），性能非常高，所以被引入JDK包中，即JUC。那么AQS是怎么实现的呢？本篇就是对AQS及其相关组件进行分析，了解其原理，并

!(https://docimg7.docs.qq.com/image/bpC8ocOgi1anJ8LntAqewg?w1200&h237)Hazelcast是一个平台性的分布式内存网格计算框架引擎，可以实现基于分布式内存计算的诸多场景的应用框架,它作为一个开源可内嵌式内存网格计算框架，通过简单的配置,就可以轻松的让你的应用拥有弹性可扩展的

时间2022年8月5日—2022年8月9日北京（同时转线上直播）（5日报到，6日9日上课）课程第一天一、大数据概述二、大数据处理架构Hadoop三、分布式文件系统HDFS四、分布式数据库HBase第二天五、MapReduce六、Spark七、IPythonNotebook运行PythonSpark程序八、PythonSpark集成开发环境第三