-
HDFS 基层交互原理，看这篇就够了
所属栏目：[大数据] 日期：2021-11-23 热度：154
HDFS全称是 Hadoop Distribute File System，是 Hadoop最重要的组件之一，也被称为分步式存储之王。本文主要从 HDFS 高可用架构组成、HDFS 读写流程、如何保证可用性以及高频面试题出发，提高大家对 HDFS 的认识，掌握一些高频的 HDFS 面试题。本篇文章概览[详细]
-
Hadoop、Spark、Hive究竟是什么，做算法要不要学？
所属栏目：[大数据] 日期：2021-11-23 热度：75
最近我发现，很多萌新说着想要做算法工程师，但是却对这个岗位的要求以及工作内容一无所知。以为学一个Python，再学一些机器学习、深度学习的模型就可以胜任了。工作就是用Python不停地写模型。 显然，这样的想法是有问题的，如果真这么干，即使通过了面试[详细]
-
Excel函数公式：制止在Excel单元格中输入空格，你真的会吗？
所属栏目：[大数据] 日期：2021-11-23 热度：127
Hello，大家好，今天给大家分享的内容是：禁止在Excel单元格中输入空格的技巧看到这个标题，相信大家都有所感触，都被空格坑过，那在数据处理和分析的过程中，如何避免空格了?其实，最根本的方法还是【数据验证】，但是，需要借助两个函数来实现。 一、Len[详细]
-
Flink执行流程与源码解析
所属栏目：[大数据] 日期：2021-11-23 热度：140
ink执行流程与源码分析 整体的流程与架构可能三两张图或者三言两语就可以勾勒出画面，但是背后源码的实现是艰辛的。源码的复杂度和当初设计框架的抓狂感，我们只有想象。现在我们只是站在巨人的肩膀上去学习。 作者： 王了个博 来源：大数据左右手|2021-09-[详细]
-
一篇学会了Hadoop3数据容错技术
所属栏目：[大数据] 日期：2021-11-23 热度：79
随着大数据技术的发展，HDFS作为Hadoop的核心模块之一得到了广泛的应用。为了数据的可靠性，HDFS通过多副本机制来保证。在HDFS中的每一份数据都有两个副本，1TB的原始数据需要占用3TB的磁盘空间，存储利用率只有1/3。而且系统中大部分是使用频率非常低的冷[详细]
-
大数据的数据整治与应用场景
所属栏目：[大数据] 日期：2021-11-23 热度：50
医疗大数据治理 医疗大数据的采集及管理、分析等环节的统称，目的是妥善管理有用的数据并从海量数据中挖掘价值。 02医疗大数据采集及管理 目前，医疗数据大多散落在各个系统，碎片化、低质量、孤立分类、类型多样、标准不一，而优质的数据采集手段可以实现[详细]
-
如何使用技术解决方案做出数据驱动的决定
所属栏目：[大数据] 日期：2021-11-23 热度：157
数据驱动决策(DDDM)是一种基于可量化目标或关键绩效指标(KPI)的方法，可以收集信息、从发现中评估模式和事实，并以各种方式实施有利于企业的战略和行动。一般来说，数据驱动的决策需要依靠经过验证和研究的数据，而不是利用未处理的数据来实现重要的业务目[详细]
-
简谈大数据风控平台的功能需要
所属栏目：[大数据] 日期：2021-11-23 热度：84
大数据风控业务的开展依赖智能风控平台，智能风控平台的技术基础是大数据技术，智能风控系统技术架构也是以大数据系统技术架构为基础演进而来的。 智能风控系统技术架构主要分为访问层、展现层、系统层、大数据平台四部分，其中大数据平台又分为接入层、清[详细]
-
数据研发，如何平衡效率与质量
所属栏目：[大数据] 日期：2021-11-23 热度：185
数据开发的效率，是如何尽快的将产品设计、业务过程，转换为数据模型;数据开发的质量，则是如何尽快的将数据加工过程中的问题，识别出来。向业务交付的内容，是开发的内容;而如果开发的时候，忽略质量的问题，虽然交付的时候不会有感知，但往往会在排查问题[详细]
-
浅谈人工智能、大数据等技术在交通行业的应用
所属栏目：[大数据] 日期：2021-11-23 热度：69
我们将浅谈一下人工智能、大数据、云计算、物联网等技术将会给交通行业带来哪些便利与变革： 1.数据资源整合 由于我国线路众多，与交通相关的绝大多数部门都有自己的信息化平台，并产生着海量数据，但是现在的每个部门及单位内的系统平台大都是独立的，信息[详细]
-
时代大数据安全和隐私
所属栏目：[大数据] 日期：2021-11-23 热度：91
随着大数据的发展，大数据的安全问题越来越受到行业的重视。 日前，中国信息通信研究院指出了目前大数据发展面临的安全问题，提出了促进大数据安全技术发展的具体建议。 大数据已经严重影响了经济运行机制、社会生活方式和国家治理能力，需要从大安全的角度[详细]
-
从技术视角看大数据行业的发展走势
所属栏目：[大数据] 日期：2021-11-23 热度：76
关于该趋势，明哥在前期发布过一篇博文，大数据与云计算深度融合的趋势体现在哪些方面? 对该趋势做了自己的解读，这里再次简要描述下。该博文链接如下: 大数据与云计算深度融合的趋势体现在哪些方面? 云原生(Cloud Native)理念，本质上是一套利用云计算技术[详细]
-
Hdfs 相对路径和静态代码块引起的问题
所属栏目：[大数据] 日期：2021-11-23 热度：192
HIVE 作为大数据生态的数仓解决方案，因为历史的原因在很多行业很多公司都有着广泛的应用。对于比较复杂的业务逻辑，HIVE SQL 往往比较难以表达，此时大家在开发中往往会辅以 HIVE UDF。所以充分理解和掌握 HIVE UDF正确的表写和使用方式，是大数据从业人[详细]
-
大数据时代，移动联通大数据技术的价值，你知道了多少
所属栏目：[大数据] 日期：2021-11-23 热度：100
大数据时代，移动联通大数据技术的价值，你掌握了多少 大数据技术就是在多种类型的大量数据信息中，快速获得有使用价值信息的技术性，然后做到大数据精准营销。拥有大量信息本身并不能造就出多少使用价值，必须选用具体方法进行处理分析才能够获得其智能化[详细]
-
大数据与云计算之间的联系
所属栏目：[大数据] 日期：2021-11-23 热度：90
大数据处理大量的结构化，半结构化或非结构化数据，以进行存储和处理以进行数据分析。大数据有五个方面，通过5V来描述 数量数据量 种类不同类型的数据 速度系统中的数据流率 价值 基于其中包含的信息的数据价值 准确性 数据保密性和可用性 云计算以按需付费[详细]
-
大数据集群开始 kerberos 认证后 Hive 作业执行失败
所属栏目：[大数据] 日期：2021-11-23 热度：65
大数据集群开启 kerberos 安全认证后，HIVE ON SPARK 作业执行失败。通过客户端 beeline 提交作业，报错 spark client 创建失败，其报错信息是： Failed to create spark client for spark session xxx: java.util.concurrent.TimeoutException: client xxx[详细]
-
因HIVE元数据与HDFS上的数据不一致引起的问题修补
所属栏目：[大数据] 日期：2021-11-23 热度：150
客户端报错如下： Unable to move source xxx to destination xxx 客户端报错 问题分析 客户端的报错信息，并没有完全展现问题背后的全貌。我们进入 hiveserver2 所在节点查看hiveserver2的日志，可以看到如下相关信息： 2021-09-01 11:47:46,795 INFO org.[详细]
-
数字化系统建设需求调研的注意特点
所属栏目：[大数据] 日期：2021-11-23 热度：89
不管是有经验的还是说初事这一行业的，在数字化系统建设过程当中，我们总是要进行需求调研的，怎么能够快速准确地把握住企业的真正需求，还是有一些需要注意的地方的。本文不是一个全面系统的需求调研步骤，而更多的是偏重于一些注意要点，是自己的经验感触[详细]
-
数字化系统中，面向人机融合典型错误的解决思绪
所属栏目：[大数据] 日期：2021-11-23 热度：150
数字化业务管控系统是人与软件共同构成的一个协同运行系统。人是最灵活柔性的。虽然我们强调了很多种人机交互乃至人机工程，在人机交互过程当中，人是容易犯了一些错误，其实这些错误就应该是人机交互重点要解决的一些问题，也是人机交互方面思考的出发点。[详细]
-
物理工厂运行与MES架构的类比解析
所属栏目：[大数据] 日期：2021-11-23 热度：85
任何制造企业或者制造工厂的运行都是有模型的，这个模型将制造要素与业务过程关联起来。在这个模型的指导下，或者说是将这个模型体现在MES里面。而这个模型主要是定义了制造要素及其与业务过程的关系，其表现形式就是数据的流动以及数据的加工。因此从某种[详细]
-
数字化系统计划与运行中的防错举措分析
所属栏目：[大数据] 日期：2021-11-23 热度：182
防错，日文称POKA-YOKE，英文又称Error Proof 或 Fool Proof（防呆）。这是在精益里面提出的一个理念，是面向流畅化生产中关于作业和加工质量控制的具体应用。这种防错的相关措施与人有关系与硬件设备有关系。 数字化转型驱动下，我们都在建设大量的数字化[详细]
-
数字化系统建设的底层方式化分析缺失之殇
所属栏目：[大数据] 日期：2021-11-23 热度：139
信息化或数字化系统的建设必然有其必要性，这是常识，如果在规划和建设过程当中丢弃了这些常识或者说基本的驱动力，那这个系统就会和初衷背道而驰，其应用效果恐怕就必然会差强人意。 （1）人员岗位与数字化系统中的角色分配 我们当然要在进行数字化系统建[详细]
-
数字化转化的五个原则
所属栏目：[大数据] 日期：2021-11-23 热度：133
实现伟大的变革通常需要伟大的领导者。通过遵循一些真理和原则，可以为组织的数字化转型做好准备，获取支持，鼓舞士气，克服挫折。 如今，大多数首席信息官都在致力于其组织的数字化转型。许多组织怀着美好的愿望迎接当今的技术时代。那么，为什么那么多的[详细]
-
与MES有关的MBSE思想
所属栏目：[大数据] 日期：2021-11-23 热度：85
模型是通过主观意识借助实体或者虚拟表现，构成客观阐述形态结构的一种表达目的的物件【百度百科】。这种表达的核心是说，模型是一种抽象，是用于指导预测和驱动实际物体或者系统运行的一种物件。 我们关于比较好的ERP，经常说其中具有最佳实践。我们应该准[详细]
-
挣脱思维局限与认知约束，重新审视APS！
所属栏目：[大数据] 日期：2021-11-23 热度：126
APS被需要是大势所趋，企业已经从被推荐到爆发式自主提出这方面的需求。APS其实已经被研究了很多年，虽然市面上林林总总号称有很多，但实际的应用效果总体上来说是差强人意的。挣脱现有的思想观念和做法上的束缚，重新审视APS，从来都是需要的。 （1） APS[详细]
