工具 - 精灵云海

分类工具下的文章

Hadoop知识整理

31 5 月, 2013
Hadoop知识整理已关闭评论

利用HDFS java API增删改查操作
在做这个实验的时候需要特别注意下面三个问题：
1、hdfs安全模式需要关闭命令：./hadoop dfsadmin -safemode leave
2、工程中依赖的版本必须和集群的一致，否则也会报 version不一致错误
3、hadoop集群用户权限的问题，以及各个目录的作用
目前为什么会有这三个问题的原因待查！！！
未验证目前使用hadoop的版本（release-0.20.0）是否支持webhdfs，反正我是怎么都连接不上啊！！！
从这上面看，0.20.0 可能是不支持的
https://jira.springsource.org/browse/IMPALA-15?page=com.atlassian.jira.plugin.system.issuetabpanels:all-tabpanel
Serengeti Distro:
Apache Hadoop:1.0.1
GreenPlum HD:1.1(Apache Hadoop 1.0.0)
CloudEra: CDH3(Apache Hadoop 0.20.2, WebHDFS is not supported in this version)
Hortonworks: 1.0.7 (Apache Hadoop 1.0.2)
步骤如下：
工程结构,如图：

工程结构

上代码 O(∩_∩)O哈哈~
pom.xml配置如下：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<groupId>com.yun.hdfs</groupId>
	<artifactId>hdfs</artifactId>
	<version>0.0.1-SNAPSHOT</version>
	<properties>
		<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
	</properties>
	<build>
		<plugins>
			<plugin>
				<artifactId>maven-assembly-plugin</artifactId>
				<configuration>
					<appendAssemblyId>false</appendAssemblyId>
					<descriptorRefs>
						<descriptorRef>jar-with-dependencies</descriptorRef>
					</descriptorRefs>
					<archive>
						<manifest>
							<mainClass>com.yun.hdfs.WangPan</mainClass>
						</manifest>
					</archive>
				</configuration>
				<executions>
					<execution>
						<id>make-assembly</id>
						<phase>package</phase>
						<goals>
							<goal>assembly</goal>
						</goals>
					</execution>
				</executions>
			</plugin>
		</plugins>
	</build>
	<dependencies>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-core</artifactId>
			<version>0.20.2</version>
			<type>jar</type>
			<scope>compile</scope>
		</dependency>
	</dependencies>
</project>

WangPan.java 主方法用于调用：

package com.yun.hdfs;
import java.io.IOException;
public class WangPan {
	/*** 运行结果描述. */
	private static String result = "";
	public static void main(String[] args) {
		try {
			// 判断命令输入是否正确
			if (args[0] != null && !"".equals(args[0]) && args.length > 0) {
				if ("upload".equals(args[0])) {
					result = "upload:" + WangPanUtils.uploadFile(args);
				} else if ("delete".equals(args[0])) {
					result = "delete:" + WangPanUtils.deleteFile(args);
				} else if ("query".equals(args[0])) {
					if (WangPanUtils.listFile(args) == null) {
						result = "query:fail!";
					} else {
						result = "query:success";
					}
				} else if ("read".equals(args[0])) {
					result = "read:" + WangPanUtils.readFile(args);
				} else {
					System.out.println("sorry,wo have no this service!");
				}
				System.out.println(result);
			} else {
				System.out.println("fail!");
				System.exit(1);
			}
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
}

WangPanUtils.java增删改查：

package com.yun.hdfs;
import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FileUtil;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
public class WangPanUtils {
	/**
	 * 上传文件. java -jar /root/hdfs-0.0.1-SNAPSHOT.jar upload /root/test-hdfs.txt
	 * hdfs://hadoopm:9000/user/root/upload/12390po.txt
	 *
	 * @param args
	 * @return
	 * @throws IOException
	 */
	public static String uploadFile(String[] args) throws IOException {
		String loaclSrc = args[1];
		String dst = args[2];
		if (args.length < 3) {
			return "fail";
		}
		InputStream in = new BufferedInputStream(new FileInputStream(loaclSrc));
		Configuration conf = new Configuration();
		FileSystem fs = FileSystem.get(URI.create(dst), conf);
		OutputStream out = fs.create(new Path(dst));
		IOUtils.copyBytes(in, out, 4096, true);
		return "success";
	}
	/**
	 * 查询文件列表. java -jar /root/hdfs-0.0.1-SNAPSHOT.jar query
	 * hdfs://hadoopm:9000/user/root/
	 *
	 * @param args
	 * @return
	 * @throws IOException
	 */
	public static Path[] listFile(String[] args) throws IOException {
		if (args.length < 2) {
			return null;
		}
		String dst = args[1];
		Configuration conf = new Configuration();
		FileSystem fs = FileSystem.get(URI.create(dst), conf);
		FileStatus[] statu = fs.listStatus(new Path(dst));
		Path[] listPaths = FileUtil.stat2Paths(statu);
		return listPaths;
	}
	/**
	 * 删除文件.
	 * java -jar /root/hdfs-0.0.1-SNAPSHOT.jar delete hdfs://hadoopm:9000/user/root/upload/12390po.txt
	 *
	 * @param args
	 * @return
	 * @throws IOException
	 */
	public static String deleteFile(String[] args) throws IOException {
		if (args.length < 2) {
			return "fail";
		}
		String fileName = args[1];
		Configuration config = new Configuration();
		FileSystem hdfs = FileSystem.get(URI.create(fileName), config);
		Path path = new Path(fileName);
		if (!hdfs.exists(path)) {
			return "fail";
		}
		boolean isDeleted = hdfs.delete(path, false);
		if (isDeleted) {
			return "success";
		} else {
			return "fail";
		}
	}
	/**
	 * 读取文件.
	 * java -jar /root/hdfs-0.0.1-SNAPSHOT.jar read hdfs://hadoopm:9000/user/root/upload/123.txt /root/test-readfile898.txt
	 *
	 * @param args
	 * @return
	 * @throws IOException
	 */
	public static String readFile(String[] args) throws IOException {
		if(args.length < 3){
			return "fail";
		}
		String dst = args[1];
		String newPath = args[2];
		Configuration conf = new Configuration();
		FileSystem fs = FileSystem.get(URI.create(dst), conf);
		FSDataInputStream hdfsInStream = fs.open(new Path(dst));
		OutputStream out = new FileOutputStream(newPath);
		byte[] ioBuffer = new byte[1024];
		int readLen = hdfsInStream.read(ioBuffer);
		while (-1 != readLen) {
			out.write(ioBuffer, 0, readLen);
			readLen = hdfsInStream.read(ioBuffer);
		}
		out.close();
		hdfsInStream.close();
		fs.close();
		return "success";
	}
}
/**
	 * 创建文件夹.
	 * java -jar /root/hdfs-0.0.1-SNAPSHOT.jar mkdir hdfs://hadoopm:9000/user/root/upload/test909
	 *
	 * @return
	 * @throws IOException
	 */
	public static String mkdir(String[] args) throws IOException{
		if(args.length < 2){
			return "fali";
		}
		String dst = args[1];
		Configuration conf = new Configuration();
		FileSystem fs = FileSystem.get(URI.create(dst), conf);
		Path path = new Path(dst);
		if (fs.exists(path)) {
			return "fail";
		}
		fs.mkdirs(path);
		return "success";
	}

PS：需要注意的是，我们需要把这个工程利用maven打包成一个可运行的jar包，使用如下命令：

打包命令

执行命令在每个方法注释上写明了，执行效果如下：

增删改查效果

还需要访问 http://hadoopm:50070/ -> Browse the filesystem 查看hdfs文件操作是否真的成功

web hdfs

curl命令

16 5 月, 2013
curl命令已关闭评论

发现个好东东：curl。curl是利用URL语法在命令行方式下工作的文件传输工具。
它支持很多协议：FTP, FTPS, HTTP, HTTPS, GOPHER, TELNET, DICT, FILE 以及 LDAP。
curl同样支持HTTPS认证，HTTP POST方法， HTTP PUT方法， FTP上传， kerberos认证，HTTP上传，代理服务器， cookies，用户名/密码认证，下载文件断点续传，上载文件断点续传,，http代理服务器管道（ proxy tunneling），甚至它还支持IPv6， socks5代理服务器,，通过http代理服务器上传文件到FTP服务器等等，功能十分强大。
Windows操作系统下的网络蚂蚁，网际快车(FlashGet)的功能它都可以做到。准确的说，curl支持文件的上传和下载，所以是一个综合传输工具，但是按照传统，用户习惯称curl为下载工具。
获得页面
使用命令：curl http://curl.haxx. se
这是最简单的使用方法。用这个命令获得了http://curl.haxx. se指向的页面，同样，如果这里的URL指向的是一个文件或者一幅图都可以直接下载到本地。如果下载的是HTML文档，那么缺省的将不显示文件头部，即HTML文档的header。要全部显示，请加参数 -i，要只显示头部，用参数 -I。任何时候，可以使用 -v 命令看curl是怎样工作的，它向服务器发送的所有命令都会显示出来。为了断点续传，可以使用-r参数来指定传输范围。
获取表单
在WEB页面设计中，form是很重要的元素。Form通常用来收集并向网站提交信息。提交信息的方法有两种，GET方法和POST方法。先讨论GET方法，例如在页面中有这样一段：

那么浏览器上会出现一个文本框和一个标为“OK”的按钮。按下这个按钮，表单就用GET方法向服务器提交文本框的数据。
例如原始页面是在 www.hotmail. com/when/birth.html看到的，然后您在文本框中输入1905，然后按OK按钮，那么浏览器的URL现在应该是：“www.hotmail. com/when/junk.cgi?birthyear=1905&press=OK”
对于这种网页，curl可以直接处理，例如想获取上面的网页，只要输入：
curl “www.hotmail. com/when/junk.cgi?birthyear=1905&press=OK”
就可以了。
表单用来提交信息的第二种方法叫做POST方法，POST方法和GET方法的区别在于GET方法使用的时候，浏览器中会产生目标URL，而POST不会。类似GET，这里有一个网页：

浏览器上也会出现一个文本框和一个标为“OK”的按钮。按下这个按钮，表单用POST方法向服务器提交数据。
这时的URL是看不到的，因此需要使用特殊的方法来抓取这个页面：
curl -d “birthyear=1905&press=OK” www.hotmail. com/when/junk.cgi
这个命令就可以做到。
1995年年末，RFC 1867定义了一种新的POST方法，用来上传文件。主要用于把本地文件上传到服务器。此时页面是这样写的：

对于这种页面，curl的用法不同：
curl -F upload=@localfilename -F press=OK URL
这个命令的实质是将本地的文件用POST上传到服务器。
有关POST还有不少用法，用户可以自己摸索。
使用PUT
HTTP协议文件上传的标准方法是使用PUT，此时curl命令使用-T参数：
curl -T uploadfile www.uploadhttp. com/receive.cgi
有关认证
curl可以处理各种情况的认证页面，例如下载用户名/密码认证方式的页面（在IE中通常是出现一个输入用户名和密码的输入框）：
curl -u name:password www.secrets. com
如果网络是通过http代理服务器出去的，而代理服务器需要用户名和密码，那么输入：
curl -U proxyuser:proxypassword http://curl.haxx. se
任何需要输入用户名和密码的时候，只在参数中指定用户名而空着密码，curl可以交互式的让用户输入密码。
引用
有些网络资源访问的时候必须经过另外一个网络地址跳转过去，这用术语来说是：referer，引用。
对于这种地址的资源，curl也可以下载：
curl -e http://curl.haxx. se daniel.haxx. se
指定用户端
有些网络资源首先需要判断用户使用的是什么浏览器，符合标准了才能够下载或者浏览。
此时curl可以把自己“伪装”成任何其他浏览器：
curl -A “Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)” URL
这个指令表示curl伪装成了IE5.0，用户平台是Windows 2000。（对方服务器是根据这个字串来判断客户端的类型的，所以即使使用AIX也无所谓）。
使用：
curl -A “Mozilla/4.73 [en] (X11; U; Linux 2.2.15 i686)” URL
此时curl变成了Netscape，运行在PIII平台的Linux上了。
COOKIES
Cookie是服务器经常使用的一种记忆客户信息的方法。如果cookie被记录在了文件中，那么使用命令：
curl -b stored_cookies_in_file www.cookiesite. com
curl可以根据旧的cookie写出新cookie并发送到网站：
curl -b cookies.txt -c newcookies.txt www.cookiesite. com
加密HTTP
如果是通过OpenSSL加密的https协议传输的网页，curl可以直接访问：
curl https://that.secure.server. com
http认证
如果是采用证书认证的http地址，证书在本地，那么curl这样使用：
curl -E mycert.pem https://that.secure.server. com

没有云的话大数据就是个作坊by王坚

14 5 月, 2013
没有云的话大数据就是个作坊by王坚已关闭评论

王坚，阿里巴巴最富争议性的人物之一，爱者极爱，恨者极恨。
5月12日，我和MTC的朋友，在杭州发起并主持了一场关于云计算的沙龙，虾米的思践聊了云音乐，快的打车陈伟星聊了云时代的产品设计，短趣网王强宇聊了云时代的创业，当然少不了王坚聊一聊他对云计算的看法。
当天，青龙老贼发了一段王坚的部分观点，遭遇了他开通微信公众号以来最强烈的退粉，也激起了圈内人的各种讨论，这就是王坚的“影响力”。
我把王坚的分享做了个详细版的梳理，里面涉及了阿里云的定位、对大数据的反思、对APP创新的不看好，信息量很大，你可以感受一下。
一、无人机是大数据的典型
我热爱和平，但一讲到云计算和大数据，我想到的两个例子，都跟战争有关。
一个例子是，《世界是平的》作者去前线，看了现场的指挥官，发现西点军校应该重新办了。因为一个连排级的军官，只要一个电话，航母上的飞机就过来了。这放在以前的战争里是不会发生的，一个连排级军官能够动用的战争资源非常有限。今天，其实一个连排级的军官需要的训练和过去的军长师长是一样的。
经常有人问，如果有一定的基础设施，我能不能改变世界。在以前，只有国家主席可以做，今天一个人可以做的比主席还能多。因为有了云计算。
另外一个例子是，有人和我吹牛，说世界上大数据用得最好的就是无人机。前几天美国还在开会讨论为什么要租用中国的卫星，就是因为它自己的数据不够。无人机就是非常典型的一个创新，以前仗不是这么打的，今天有了大数据后就变了。
所以，云计算可以让你做以前不能做的事情，做以前不能做的规模。
二、我们的客户才是最会用数据的人
阿里云最早成立的时候，我们说自己是数据分享第一平台，对于这个定位，我自己觉得还蛮超前的。
阿里巴巴最早在讨论的时候，我们说为什么提数据，不提信息，这是一个很关键的事情。IBM会说数据没有用，知识才有用，所以这个定位很关键。
只要一谈到数据，我们其实就把自己定位在平台上了。我们想象我们的客户是把数据用到最好的人，而不是我们自己。
今天，最成功的数据公司就是谷歌。谷歌拿了全世界每个人都有的数据，就是web，它就靠自己的处理能力，做成了世界上最大的生意。谷歌初期的时候，它有的数据别人也有，只是别人没有他的处理能力和思想。
数据就是数据，只是要有人把他做成生意。
所以我们定位自己的时候，数据就是数据，这个是最基本的东西，有人比你更聪明，会把这个事情做成重要的生意。
今天的数据远远超过以前WEB的数据，所以可以想象的生意也会多很多很多，所以肯定可以比以前做得更大。
以前也没人知道数据在哪里，直到谷歌把他变成一个搜索，有办法把广告引导搜索里面。今天看来这个很简单，放当初很难，因为要把大家都有的东西，做成一个挣钱的东西，当时没几个人想清楚的，否则微软、雅虎也都不会把雅虎外包给别人。
三、“大数据”叫错了
之前田溯宁在北京组织了一个活动，请了《大数据》的作者，大家开了一个很小的研讨会。
我分享时说，其实大数据是叫错掉的，“大数据”没有反应这个问题最本质的东西。
其实大数据很早以前就有，只是光只有数据大是没有用处的。世界上最大的数据估计和互联网一点关系都没有，欧洲对撞实验室做一次碰撞的数据，可能一辈子都做不完，最大的数据估计在那里。
今天的数据不是大，真正有意思的是数据变得在线了，这个恰恰是互联网的特点。所有东西在线这个事情，远远比“大”更反映本质。
像快的打车要用一个交通的数据，如果这些东西不在线，是没有用的。
为什么今天的淘宝数据值钱，因为他在线了。写在磁带、写在纸上的数据，根本没有用。
反过来讲，在线让数据搜集变得非常容易。过去美国谁要做总统，需要做盖勒普调查，去街上拦2000个人，在纸上打个勾，预测就很准了。现在不用做这个事情，只要在twitter上分析每个人发的东西，就可以知道总统会是谁了。
而且盖勒普调查做完之后很难快速影响社会，现在数据可以反过来快速影响社会。就像打车软件，如果要影响出租车司机，可能比出租车公司更大，原因就是数据在线了。
有时候，一些石油、地质之类的公司来跟我讲大数据，我就想不通这算不算大数据。他们的数据多是肯定的，但是他们的数据不在线，没有意义。
四、数据比功能更重要
产品我是不太懂的，阿里云的产品做得那么不好，都是我的责任，这个得求大家原谅。
但吃了很多苦头后，对于产品心得还是有的。
目前我没有看到一个产品和数据结合得很好。非互联网时期的产品，功能一定是它的价值，今天互联网的产品，数据一定是它的价值。
做航旅信息的产品，出了很多款。最近我看到出了一个“航旅纵横”，我用的比较多，我也不知道产品好不好，反正数据很好，他可以告诉你前一个航班发生了什么事情。
过去的软件，很多功能超出数据的重要性，但我相信，接下来，数据比功能会更重要。互联网人应该会能理解这个说法。
我和马云开玩笑说，阿里巴巴对数据的理解深度，不会超过苏宁对电子商务的理解。我的意思其实是，机会在哪里，大家都没搞清楚。
前几天我在北京碰到叶凯（京玩蟹科技有限公司CEO），他说游戏做来做去，发现数据是最重要的东西，在几个机房里数据拷来拷去很痛苦。
我猜测，他理解游戏的话，完全靠直觉已经不够了，数据可以帮他做这个事情。就好像一个人做在室内用数据来开飞机，光是训练飞行员的成本都不知道降低多少，这和用数据去改进游戏是异曲同工的。
五、云计算是个信任生意
我看云计算的时候，突然发现，云计算是个信任生意。包括虾米，短趣，能搬到阿里云，都是一个信任。
中国是全世界最早用纸币的国家。一张纸上盖个章，就让人相信是财富，这需要极大勇气的。今天，我们反而大大落后了，我们不相信信用卡，把信用卡当借记卡在用了，这是很要命的地方。
有人说他要做三年赚200亿美金（的互联网项目），他还要依靠别人（的云计算服务），他要相信这一点，是很了不起的。
我觉得，没有这个勇气，是不可能创新的。中国今天是有这样的机会。
我这里有个很自豪的案例。今天全国中国的药品，都有一个条形码，它需要去追踪每个药到了哪个批发商，到了哪个零售商，到了哪个医院，到了哪个患者，这个东西是个很重要的东西。现在这个东西就在阿里云上面，350万亿盒的数据都在上面。将来你跑到医院，自然能知道哪个是真药假药，也就是说，原来乱七八糟的事情就没了。这个是很大的创新。以前这些数据不在线的时候，你根本不敢去想，现在，你可以做很多的事情了。
另外一个案例，保险是一个很传统的行业。开一个保险公司，必须要开办事处。每人敢说，现在办一个保险，可以不签一个书面的东西。但是，可能今年下半年，中国会出一家保险公司，这是全世界第一家没有办事处的保险公司。不需要在纸上签任何东西，在线就能做完所有事情。
按我的理解，云计算能做好的话，创新机会非常大。
六、做APP，是在别人花园弄点盆栽
我觉得，移动互联网的创新，可以超越APP创新的范畴。
今天APP上的创新，有点像在人家花园里种点小花。因为苹果和安卓已经圈了一个花园，你种点花种点草是没有问题的，就像是去花鸟市场买点盆栽，反正是死也死不了活也活不好。
但是你要做点有生命力的东西，还是有挑战的。你要跑到大森林里，才能做有生命力的东西。否则叫你下架就下架，你会觉得还是有问题的。
当然，那个花园是一个很好的环境，也有人来看。但是在中国做生态的话，我们还是可以做有革命性的东西。
具体是什么，我们也真不知道。
七、有了施乐，才有苹果
我们做云计算最大的挑战是什么，就是我们真不懂。
这是一个无中生有的行业，我们过去只是在书上读到过的。是靠大家的互相配合、交互才能做起来。
我觉得应该办一个互联网博物馆。今天大家都看到了结果，没看到过程，这样的国家是很难创新。
大家可能不知道，大概百分之一百的鼠标都在中国生产，大部分也在中国消费，很多技术也在中国。很少有人去问，为什么有个东西要叫鼠标，第一个鼠标出来的时候是很丑陋的木头做的。
今天大家看到有个很漂亮的手机，叫做iphone，有个很好的操作系统，有个很好的appstore，大家可能没想过，这东西怎么来的。我早上在看一个关于美国八十年代经济的片子，其中采访了乔布斯，他说，如果不被苹果赶走，可能不会发生后面的事情。如果当时乔布斯没被赶走，没有一赌气去做NeXT，没有被买回来作为ios的基础的话，是不会有今天的苹果的。
所以，这里面的机缘巧合是很难计划的。
我要抱歉的是，阿里云是肯定要做好的，这个吃苦过程肯定逃不掉。
有一个八卦，苹果先做麦金塔，微软随后出了视窗，苹果就告微软抄袭。盖茨就和乔布斯说，我们就别互相搞了，其实我们都偷了施乐的东西。施乐没做大，但做出了很大的贡献。
中国的环境里没有施乐这样的公司，自然而然就不要想出苹果这样的公司。
我想说，就算各位创业者和施乐一样做点死不死活不活的东西，也很有意义。
八、不是搜集什么数据，而是做什么服务
今天的手机的传感器，和巡航导弹的传感器差不多。它能搜集到的东西很多，但是没有产生多大价值。
我觉得，数据搜集这件事，已经没有多大创新了，只要你想得到，我们一定能做得到。我觉得真正的创新，是你在这上面能够做什么，这还没有人弄懂。
这是一个鸡和蛋的问题，如果没有人能够用得好，那后面的东西不会发生。
最早的时候，有人会说，基于位置的服务什么的。但是到了今天，依然没有人知道了位置后，把服务做好。我觉得，这是最大的挑战。
九、云计算这名字有歧义
云计算是工业时代的电，大数据就是福特生产线，云存储就是钢铁工业。
也就是说，没有钢铁，就没有电，就不会有大规模工业化生产。没有云计算，大数据不会出来，如果美云计算没有解决云存储的问题，也不会出来。
我觉得云计算这名字的歧义在于，我们说这个的时候，其实包括了云计算、大数据、云存储等等所有的东西。
大数据，是我今天能想到的，那条能起来的福特生产线。到了最后，大家应该会忘记了云计算，只记得福特了。所以我说，看得见的前端，看不见的后台。
我不相信有人说，我做大数据，但是没有云的，那就是小作坊。
十、千万不要想着拿数据去改进业务
今天的银行，都不会是靠大数据起来的公司。银行靠什么处理数据，靠IBM。你可以算出来他做数据的成本，他处理数据产生的价值，可能都无法抹平处理数据的成本。
数据真正了不起的地方，是靠小的成本，去产生有价值的东西。
并不是说，有数据的地方，就会有大数据业务的存在。
阿里巴巴在数据上做的最好的是金融，但金融不等于银行。阿里金融做小贷的事情，恰恰是银行做不了的。银行没有这个数据，银行做信用评级的成本极高，银行不做小的贷款。
阿里金融每天贷10块钱，100块钱的人多得很。有个贷1块钱的客户，写了个感谢信，说这辈子从来没有人借给他一块钱，突然有人借他1块钱，他就觉得人生从此被尊敬了。
你千万不要想着拿数据去改进一个业务，这不是大数据。你一定是去做了一件以前做不了的事情。
亚马逊是全球做推荐最好的业务，这可以算是大数据的早期，但现在它每天想着怎么把推荐做得更好，我觉得这件事情一定没有希望。
http://www.techweb.com.cn/people/2013-05-14/1296347.shtml

Hadoop学习新人必看

12 5 月, 2013
5 条评论

Hadoop新人必看：
新人困惑：
大家对整个云计算没什么感觉，根本就不理解为啥hadoop这么设计，hadoop和云计算是什么关系只是听人说好
但是好在哪里根本不知道
下面给出一个简易入门步骤：
1、推荐看下张荣典的视频
《云计算之前生今世与未来》,视频地址：http://tianhailong.com/hadoop-forums/topic/hadoop%E8%B5%84%E6%96%99%E6%B1%87%E6%80%BB
先补习下云计算知识弄清楚啥叫云计算都分为那些层？
2、明确了云计算是个什么东东后然后再弄清楚hadoop是干什么用的 hadoop位于云计算的哪个层里起到什么作用
hadoop包含哪些组件，每个组件提供什么功能，组件与组件之间的关系是什么？
3、然后再开始搭建Hadoop集群
写mapreduce的helloworld
然后再开始装hbase、zookeeper等挨个实现helloworld
Hadoop集群搭建教程：http://tianhailong.com/hadoop%E9%9B%86%E7%BE%A4%E6%90%AD%E5%BB%BA%E8%AF%A6%E7%BB%86%E7%AE%80%E6%98%8E%E6%95%99%E7%A8%8B.html
4、需要准备的知识：任何语言的编程经验+java（最好会）+云计算知识背景（大数据知识背景）+linux安装操作+虚拟机知识
必须先记在心里的东西：
1、cygwin只是模拟了linux环境
2、hadoop必须安装在linux环境上
3、mapreduce程序开发直接就在window上开发即可
4、mapreduce程序的运行：可以把写好的程序打成jar包放到hadoop集群上执行hadoop命令（就像大家安装完验证集群是否正常运行那样 ”计算圆周率“一样）
5、我们学的是hadoop 而不是整环境，可以先把环境的问题绕过
6、刚开始千万别用eclipse连接hadoop集群
7、如果你说6的理由是测试方便，那我告诉你，写junit更方便

台湾国网中心Hadoop实验集群

5 5 月, 2013
6 条评论

从网上找到了好东西，还是台湾人民好啊，搭建好的Hadoop集群，开放了公共服务 http://hadoop.nchc.org.tw/ 对于想学习hadoop编程，又苦于没有机器，你们有福啦 O(∩_∩)O哈哈~
这是他们的公告

歡迎至 forum.hadoop.tw 或臉書粉絲團進行討論
歡迎加入公告群組，以利接收即時公告事宜
初學者請參閱線上教學: Hadoop 觀念篇 ,
實作步驟請參閱以下三個連結:
[ 帳號申請 | HDFS 練習 | MapReduce 練習 ]
本叢集所採用的 Hadoop 版本是 0.20.1，寫程式時請參考 javadoc
倘若貴單位不允許 SSH 連線，或有 PROXY 限制，請改連https://hadoop.nchc.org.tw 並採用系統帳號密碼(hXXXX)登入。至於HDFS 與 MapReduce 也請請點選對應連結存取。

本叢集純為實驗用途，無法保證7×24服務品質
重要數據資料請務必另行備份，謝謝！
重要運算工作亦請考慮使用其他付費平台

家目錄空間吃緊中，請盡量上傳至HDFS後，
清除家目錄檔案，謝謝！

若有公用資料集運算需求，請置於
hdfs://hadoop.nchc.org.tw/pub，謝謝！

hadoop集群服务

1、先注册账号：
http://hadoop.nchc.org.tw/new_register.php

2、邮箱激活

激活邮件

3、一会你会收到SSH地址、用户名和密码

SSH账号密码

4、登录后进入界面，就可以运行计算π的那个示例啦（注意：浏览器得支持java运行才能看到这个界面），或者使用SSH客户端输入地址、用户名密码链接到Hadoop集群， O(∩_∩)O哈哈~

计算π1

计算π2

关于fsockopen pfsockopen函数被禁用的解决方法

3 5 月, 2013
关于fsockopen pfsockopen函数被禁用的解决方法已关闭评论

关于fsockopen pfsockopen函数被禁用的解决方法
一、
服务器同时禁用了fsockopen pfsockopen，那么用其他函数代替，如stream_socket_client()。注意：stream_socket_client()和fsockopen()的参数不同。
具体操作：
搜索程序中的字符串 fsockopen( 替换为 stream_socket_client( ，然后，将原fsockopen函数中的端口参数“80”删掉，并加到$host。
示例如下
修改前：
$fp = fsockopen($host, 80, $errno, $errstr, 30);
修改后:
$fp = stream_socket_client($host.”80″, $errno, $errstr, 30);
二、
如果PHP版本低于5.0，fsockopen被禁用，又没有stream_socket_client()怎么办呢？自己写一个函数实现fsockopen的功能，参考代码：
function b_fsockopen($host, $port, &$errno, &$errstr, $timeout) {
$ip = gethostbyname($host);
$s = socket_create(AF_INET, SOCK_STREAM, 0);
if (socket_set_nonblock($s)) {
$r = @socket_connect($s, $ip, $port);
if ($r || socket_last_error() == EINPROGRESS) {
$errno = EINPROGRESS;
return $s;
}
}
$errno = socket_last_error($s);
$errstr = socket_strerror($errno);
socket_close($s);
return false;
}
具体操作：
1.首先找到使用fsockopen函数的代码段，将上面代码加至其上端，搜索该代码段中的字符串 fsockopen( 替换为 b_fsockopen( 。
2.因为fsockopen函数返回文件指针所以可以被文件函数操作，但是这个b_fsockopen函数没能返回文件指针，需要继续修改代码段：用socket_read( 替换掉 fread( ，用socket_write( 替换掉fwrite( ，用socket_close( 替换掉fclose( 。
三、
使用CMS类网站程序的用户，如织梦CMS,phpwind,帝国,等程序，请将您的程序升级到最新的版本并及时更新安全漏洞补丁。
disable_functions = system,exec,passthru,escapeshellcmd,pcntl_exec,shell_exec,set_time_limit,fsockopen,pfsockopen

Hadoop集群搭建详细简明教程

30 4 月, 2013
2 条评论

这份教程是最简版、也是最详细版，按照步骤一步步做，应该能达到效果，这里面一点理论都没有提到，请大家在熟悉相关内容后，自行学习必要的理论。欢迎访问博客，交流沟通。
内容主要包括：
Linux操作系统安装
Hadoop集群环境安装、配置
Hadoop集群搭建验证
Hadoop开发环境搭建
MapReduce程序如何测试
Hadoop源码阅读
说明
文档下载地址：http://pan.baidu.com/share/link?shareid=495136&uk=772112791
在Hadoop云计算群300165122已经发布了，有同学按照文档已经搭建过了。
下边为文档，建议使用火狐浏览器！
[crocodoc width=”700″ height=”900″]

Source Insight 3.5查看hadoop源码

25 4 月, 2013
1 条评论

先说一下为什么要研究Source Insight的使用
最近打算看下hadoop的源码，在网上看了下，一般都是在vmware上安装linux虚拟机，搭建一堆组件，编译hadoop源码，但是我是为了“读”hadoop源码,而不想编译。
把hadoop源码从svn下checkout出来，到eclipse里，不编译四处都是红叉，看着难受，O(∩_∩)O哈哈~，因此，决定研究下Source Insight。
1、新建文件夹”hadoop源码“，从svn检出hadoop源码到该文件夹，svn地址 http://svn.apache.org/repos/asf/hadoop/common/tags/release-1.0.3
2、打开Source Insight，点击菜单“Porject→New Project”
3、输入工程名，选择刚才新建的”hadoop源码“文件夹，将工程信息保存在该文件夹下。
4、下一步是选择是否只为该工程单独设置还是全局设置，这里选默认，点击OK即可。
5、选中hadoop目录下的src文件夹，选择”add tree“，就将所有代码添加到工程里。
6、所有文件都加入到工程后，点击close，关闭对话框。
7、双击右侧区的“File Name区”中的文件即可打开该文件。共有4个区：左侧显示该文件中的所有变量、函数、包含文件的名称（双击该区的任意一项，会在中间区域显示出它的实体）；中间区显示代码的内容；右侧区显示整个工程中的文件；最下方的区域为关联区，当鼠标双击中间区域的某个函数后，在下方关联区会立刻显示该方法的实体。

source insight

2024 年 12 月
一	二	三	四	五	六	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30	31

分类 工具 下的文章

分类工具下的文章