作者文章归档：liangliangyy
Hive是基于Hadoop的一个数据仓库工具。Hive可直接用类似SQL的语言描述数据处理逻辑，避免开发人员在开发大数据查询分析处理程序时，编写复杂的基于JAVA的MapReduce程序。换句话说，Hive是将MapReduce抽象为类似SQL语句，在执行SQL语句时，Hive将其转换为MapReduce任务并运行。
很明显Hive需要依赖Hadoop，而且，不同于HBase，Hive必须依赖于HDFS，不能使用本地文件系统；Hive基于Hadoop的分布式存储系统HDFS和HBase以及MapReduce并行计算框架工作。
这个功能主要是使用python的jieba分词模块来分词，然后使用mapreduce来统计，其实功能很简单，但是由于刚开始接触使用hadoop，出现了各种问题，这里记录下。
在hadoop执行的mapreduce程序时，使用python非系统模块的话会出现找不到包的错误，网上找到了一种解决方案，使用系统内置的zipimport模块,使用方法：
首先将该模块的所有文件复制到当前目录，然后执行:
zip -r jieba.zip jieba
mv jieba.zip jieba.mod
然后代码中就可以这样引入：
import sys
sys.path.append('./')
imp...Hadoop 框架使用 Java 开发的，对 Java 进行了原生的支持，不过对于其它语言也提供了 API 支持，如 Python 、 C++ 、 Perl 、 Ruby 等。这个工具就是 Hadoop Streaming ，顾名思义， Streaming 就是 Pipe 操作，说起 pipe ，大家肯定不陌生。最原生的 Python 支持是需要 Jython 支持的，不过这里有额外的方法来实现，大家如果只是使用的话，不用纠结 Jython 转换的问题。
最容易的 Hadoop 编程模型就是 Mapper 和 Reducer 的编写，这种编程模型大大降低了我们对于并发、同步、容错、一...
在Ubuntu14.04上安装，在Hadoop 2.8.2版本安装通过。
终端下输入:
sudo useradd -m hadoop -s /bin/bash
设置密码：
sudo passwd hadoop
增加sudo管理员权限:
sudo adduser hadoop sudo
切换至刚刚创建好的hadoop用户:
sudo su hadoop
我们需要更新下系统，这样可以保证安装软件尽量是最新版本的:
sudo apt-get update
sudo apt-get upgrade -y
集群、单...
首先先介绍下Hadoop，来自维基百科：
Apache Hadoop是一款支持数据密集型分布式应用程序并以Apache 2.0许可协议发布的开源软件框架。它支持在商品硬件构建的大型集群上运行的应用程序。Hadoop是根据谷歌公司发表的MapReduce和Google文件系统的论文自行实现而成。所有的Hadoop模块都有一个基本假设，即硬件故障是常见情况，应该由框架自动处理。 Hadoop框架透明地为应用提供可靠性和数据移动。它实现了名为MapReduce的编程范式：应用程序被分区成许多小部分，而每个部分都能在集群中的任意节点上运行或重新运行。此外，Hadoop还提供了分布式文件系统，用...
熟悉科学上网的同学可能会知道，由于境内外网络环境复杂，延迟高、丢包率高，许多基于TCP协议的翻墙工具会存在传输速度低且不稳定的问题。这在很大程度上是因为，TCP协议可以使用多种拥塞控制算法，而最常用的CUBIC算法存在着无法全速发送数据、易被丢包干扰、容易产生锯齿状波动等问题。因此，各种TCP单边加速工具层出不穷，如锐速（Appex）、ZetaTCP。但这些工具需要较高的运行权限且大部分是收费使用并不开源，因此从安全、成本和可靠性的角度会让使用者有更多顾虑。
好在，2016年09月，Google向Linux Kernel提交了Google BBR的Pull Request。Google ...