数据ETL-Apache Flume详解

官方网站：http://flume.apache.org/ 用户文档：http://flume.apache.org/FlumeUserGuide.html 开发文档：

Kafka副本同步策略(ISR)

Hadoop和Spark的联系

Flink中的多事件Join

流式计算中的 2 个问题： 流式数据到达计算引擎的时间不一定：比如 A 流的数据先到了，A 流不知道 B 流对应同 key 的数据什么时候到，没法关联（数据质量问题） 流式数据不知何时、下发怎样的数据： A 流的数据到达后，如果 B 流的数据永远不到，那么 A 流的数据在什么时候以及是否要填充一个

Hive-数据模型

hive基础-知识必备

Spark基础-基础必备

1、Spark宽窄依赖 窄依赖(Narrow Dependency): 指父RDD的每个分区只被子RDD的一个分区所使用。例如map、filter等这些算子的一个RDD，对它的父RDD只有简单的一对一的关系，RDD的每个partition仅仅依赖于父RDD 中的一个partition，父RDD和子R

Hadoop基础-知识必备

数据仓库体系内容梳理