HDFS基本原理一、什么是HDFSHDFS即Hadoop分布式文件系统（Hadoop Distributed Filesystem），以流式数据访问模式来存储超大文件，它和现有的分布式文件系统有很多共同点。但同时，它和其他的分布式文件系统的

.git文件夹太大问题及解决方法最近提交项目代码时发现文件.git文件夹越来越大, 168m,比代码还大。 script1234567➜ bisparkclass git:(master) ✗ git rev-list --objects

[TOC] 操作系统的进程和线程 进程我们编写的代码只是一个存储在硬盘的静态文件，通过编译后就会生成二进制可执行文件，当我们运行这个可执行文件后，它会被装载到内存中，接着 CPU 会执行程序中的每一条指令，那么这个运行中的程序，就被称为「进

大数据列式存储的精髓：按列缓存打包,最具代表的大数据文件存储类型，Parquet和ORC

hive中解析json数据(map数组型)在hive中解析json数据，一般会想到get_json_object函数，当然json数据的复杂程度不一样，解析方法也会不一样，本文总结一下简单json和复杂json的解析过程。 ##1、简单js

python中使用sys模板和logging模块获取行号和函数名的方法 1.python中没办法直接取得当前的行号和函数名。这是有人在论坛里提出的问题，底下一群人只是在猜测python为什么不像__file__一样提供__line__和__

背景最近在任务优化的时候发现，简单的将mapreduce引擎换成spark-sql去执行，但是发现有些sql即使使用spark依然无法被优化，经过探索发现，是由于任务执行过程中产生的小文件过多导致。 小文件带来的影响首先介绍一下什么是小文件

clickhouse database的创建和引擎

clickhouse database的创建和引擎

在join时如何区分小表和大表结论：小表指的是关连建重复少的表，写在关联左侧的表每有1条重复的关联键时底层就会多1次循环运算处理。 经常看到一些Hive优化的建议中说当小表与大表做关联时，把小表写在前面，这样可以使Hive的关联速度更快，提