上一章分享了IKAnalyzer中文分词及词频统计基于Hadoop的MapReducer框架Java实现。这次将与大家分享Jieba中文分词Python简单实现，由于Jieba分词是基于词频最大切分组合，所以不用做词频统计，可以直接得到其关键字。1、安装jieba安装方式可以查看博主的中文分词工具（http://my.oschina.net/ea

一. Flink的引入    这几年大数据的飞速发展，出现了很多热门的开源社区，其中著名的有 Hadoop、Storm，以及后来的 Spark，他们都有着各自专注的应用场景。Spark 掀开了内存计算的先河，也以内存为赌注，赢得了内存计算的飞速发展。Spark 的火热或多或少的掩盖了其他分布

在编译自己的hadoop时，不想再次在虚拟机中下载jar包，就想到了挂载自己本地的maven仓库，使用本地仓库来进行编译，这里就需要使用VMware的VMwareTools了，直接复制官方文档(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fdocs.vmware.com%2Fcn%2

升级HDFS的概要过程和命令Hadoop的官方文档中，对于HDFS的升级建议分三个步骤，1，先停掉HDFS服务，再启动，HDFS合并FsEditLog到FsImage之中，再停掉HDFS服务，2，备份namenode的meta文件，在新版本HDFS安装目录的配置文件中，配置namenode的meta文件目录指向旧有的meta文件目录，以upg

简介ClickHouse是“战斗民族”俄罗斯搜索巨头Yandex公司开源的一个极具"战斗力"的实时数据分析数据库，是面向OLAP的分布式列式DBMS，圈内人戏称为“喀秋莎数据库”。ClickHouse有一个简称"CK"，与Hadoop、Spark这些巨无霸组件相比，ClickHouse很轻量级，其特点：列式存

1：Hbase启动hbaseshell运行命令报ClasspathcontainsmultipleSLF4Jbindings.错误，是因为jar包冲突了，所以对于和hadoop的jar包冲突的，可以将其他jar包删除，如果你不确定是否删除正确，可以将其他的jar包复制备份或者修改名称，确保操作以后失败了，还可以找回。SLF4J:Cl

mysql8.0.16单主mgr搭建环境介绍：192.168.142.142db142192.168.142.143db143192.168.142.145db1451、安装依赖包yumyinstallmakegccccmake

HBase架构HBase是Hadoop的数据库，能够对大数据提供随机、实时读写访问。他是开源的，分布式的，多版本的，面向列的，存储模型。在讲解的时候我首先给大家讲解一下HBase的整体结构，如下图!(https://static.oschina.net/uploads/space/2016/1124/172034_9o3y

一、搭建开发环境1.1、使用Maven创建Web项目　　执行如下命令：mvnarchetype:createDgroupIdme.gaclDartifactIdspring4mybatis3DarchetypeArtifactIdmavenarchetypewebappDintera

1高可用安装1.1集群信息主机IP组件bdc212192.168.13.212LVS:ipvsadm1.277.el7.x86\_64.rpmKeepalived:keepalived1.2.4.tar.gz应用：PerconaXtraDBClusterbdc21