程序员的自我修养 | 关注Java、大数据、机器学习

程序员的自我修养

Hive row_number()使用方法

yurnom2015年05月22日

0条评论10,685次浏览

需求

根据短信月详单实现Top 10短信联系人的功能。就是计算出每个号码发送短信最多的10个号码（由于电信业务规则，接收到的短信不会产生记录，所以只能计算发送短信最多的10个号码）。

数据全部通过datax从oracle导入到hdfs上，然后通过hive外部表的形式进行管理。

第一步

初步一看貌似用原生MapReduce比较好解决，毕竟以前用MR处理过类似的需求。但是最近刚刚建议老总将能转移到hive上用sql实现的业务全部转移过来，于是想想还是尝试用sql实现吧。

首先先试试根据发送短信号码、接收短信号码group来计算每个号码对的短信次数。

SELECT billing_nbr,case when length(called_nbr)>11 then substr(called_nbr,-11) else called_nbr end called_nbr,count(*) count
    from default.sms where yyyy='2015' and mm='05'
    GROUP BY billing_nbr, case when length(called_nbr)>11 then substr(called_nbr,-11) else called_nbr end having count(*)>1

SELECT billing_nbr,case when length(called_nbr)>11 then substr(called_nbr,-11) else called_nbr end called_nbr,count(*) count

from default.sms where yyyy='2015' and mm='05'

GROUP BY billing_nbr, case when length(called_nbr)>11 then substr(called_nbr,-11) else called_nbr end having count(*)>1

（更多…）

查看全文

分类：Apache Hive

标签：Hive

SSH隧道

yurnom2015年05月18日

1条评论3,615次浏览

最近跟同事学了一招SSH隧道，感觉十分牛掰。在此记录。

适用场景

生产环境中的集群往往在一个局域网中，而该局域网只能通过某台特定的堡垒机来访问。这样的网络环境下可以通过SSH隧道将一些端口隐射出来，比如CM的7180和HUE的8888端口，这样就可以在本机上通过浏览器来访问CM和HUE了。

命令示例与解释

ssh -C -f -N -g -L 7180:master-ip:7180 接口机IP -p 8282

1	ssh -C -f -N -g -L 7180:master-ip:7180 接口机IP -p 8282

上述命令意思是通过接口机（ssh端口为8282）将master-ip机器的7180端口隐射到本机的7180端口，这样可以通过访问http://localhost:7180来访问master-ip机器的7180端口。

参数详解

-C Enable compression. 压缩数据传输。
-f Fork into background after authentication. 后台认证用户/密码，通常和-N连用，不用登录到远程主机。
-N Do not execute a shell or command. 不执行脚本或命令，通常与-f连用。
-g Allow remote hosts to connect to forwarded ports. 在-L/-R/-D参数中，允许远程主机连接到建立的转发的端口，如果不加这个参数，只允许本地主机建立连接。
-L port:host:hostport. 将本地机(客户机)的某个端口转发到远端指定机器的指定端口。
-p port. 指定跳转机器的ssh端口号。

其它

可通过ps -ef|grep ssh 来查看ssh隧道的的进程号，kill掉即可关闭该隧道。

隧道若长期闲置也会出现超时，此时kill掉再重新连接吧。

查看全文

分类：杂七杂八

标签：Linux系统

CDH安装中的一些问题及解决方法

yurnom2015年03月24日

2条评论12,601次浏览

Yarn服务无法启动1

有一次同事拿着我写的安装手册去安装CDH，结果在启动Yarn服务这一步一直失败，而且没有log文件生成，也就是根本就不知道是什么错误。

经过百般尝试后依然无果。于是问同事是不是严格按照我的文档上来的，同事说是。结果又尝试和排查了很多次后，同事突然说，我想起来了，打通ssh没按照你的来，你是生成key了分发到其它机器，其实有种口令直接就能分发key到其它机器，不用在本机生成。比如这样ssh-copy-id -p 8282 -i ~/.ssh/id_rsa.pub user@ip。

然后，我怀着崩溃的心情告诉了他，哥哥，master机器也要能免密码登录自己啊！！

最后，做好master机器免登录自己后即可成功安装。

Yarn服务无法启动2

报错信息：

Error found before invoking supervisord: dictionary update sequence element #78 has length1; 2 is required

1	Error found before invoking supervisord: dictionary update sequence element #78 has length1; 2 is required

这个错误是CM的一个bug，解决方法为修改/opt/cm-5.3.0/lib64/cmf/agent/src/cmf/util.py文件。将其中的代码：

pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env" % (path, command)],
                        stdout=subprocess.PIPE, env=caller_env)

1 2	pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env" % (path, command)], stdout=subprocess.PIPE, env=caller_env)

修改为：

pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env | grep -v { | grep -v }" % (path, command)],
                        stdout=subprocess.PIPE, env=caller_env)

1 2	pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env \| grep -v { \| grep -v }" % (path, command)], stdout=subprocess.PIPE, env=caller_env)

然后重启所有Agent即可。

HDFS服务无法启动

若HDFS服务无法启动，通常是第二次尝试安装中才会遇到，这是只要将上次安装时设置的Namenode和DataNode文件夹下的数据全部删除即可。

Host Monitor和Service Monitor服务无法启动

这个错误的报错信息如下：
（更多…）

查看全文

分类：CDH

标签：cdh

Sqoop2初步使用感受

yurnom2015年01月29日

8条评论10,788次浏览

最近将公司各个运营点的集群逐步转移入CDH。第一个遇到的问题就是Sqoop2的使用问题。

具体说来，分为下面几个方面。

Date类型字段的parse错误

测试sqoop2的时候就简单的测了下varchar和number类型的数据，发现没问题后就写了报告。现在我知道错了。

实际使用过程中，发现遇到表中有Date类型的column时，所有的job都会报以下错误：

2015-01-28 16:22:29,964 INFO [IPC Server handler 0 on 55187] org.apache.hadoop.mapred.TaskAttemptListenerImpl: JVM with ID : jvm_1422410148386_0003_m_000002 asked for a task
2015-01-28 16:22:29,966 INFO [IPC Server handler 0 on 55187] org.apache.hadoop.mapred.TaskAttemptListenerImpl: JVM with ID: jvm_1422410148386_0003_m_000002 given task: attempt_1422410148386_0003_m_000000_0
2015-01-28 16:22:35,516 FATAL [IPC Server handler 2 on 55187] org.apache.hadoop.mapred.TaskAttemptListenerImpl: Task: attempt_1422410148386_0003_m_000000_0 - exited : org.joda.time.LocalDateTime.parse(Ljava/lang/String;)Lorg/joda/time/LocalDateTime;
2015-01-28 16:22:35,517 INFO [IPC Server handler 2 on 55187] org.apache.hadoop.mapred.TaskAttemptListenerImpl: Diagnostics report from attempt_1422410148386_0003_m_000000_0: Error: org.joda.time.LocalDateTime.parse(Ljava/lang/String;)Lorg/joda/time/LocalDateTime;
2015-01-28 16:22:35,524 INFO [AsyncDispatcher event handler] org.apache.hadoop.mapreduce.v2.app.job.impl.TaskAttemptImpl: Diagnostics report from attempt_1422410148386_0003_m_000000_0: Error: org.joda.time.LocalDateTime.parse(Ljava/lang/String;)Lorg/joda/time/LocalDateTime;
2015-01-28 16:22:35,542 INFO [AsyncDispatcher event handler] org.apache.hadoop.mapreduce.v2.app.job.impl.TaskAttemptImpl: attempt_1422410148386_0003_m_000000_0 TaskAttempt Transitioned from RUNNING to FAIL_CONTAINER_CLEANUP

（更多…）

查看全文

分类：Apache Sqoop2

标签：Sqoop2, tsukkomi

战5渣系列——还是String的split方法

yurnom2015年01月22日

3条评论6,291次浏览

发现最近弱爆了，说多了都是泪，不想说了，因为我是战5渣。

背景简介

今天写MR程序发现一直报数组越界的错误。这么简单的异常还不是分分钟解决？结果，恩，改了10次以后，发现还是不对。具体出错的代码已经可以确定，如下：

String[] values = value.toString().split("\t"，4);
String servId = values[0];
Long flow = Long.parseLong(values[1]);
Long tred = Long.parseLong(values[2]);
String tag = values[3];

String[] values = value.toString().split("\t"，4);

String servId = values[0];

Long flow = Long.parseLong(values[1]);

Long tred = Long.parseLong(values[2]);

String tag = values[3];

原因排查

显然单纯的看代码是没有问题的，结合具体的数据才可能出错，比如分隔后的数组长度不到4——这是我的第一反应。更准确的说，是我编码的时候就想到了，所以采用了value.toString().split("\t"，4)这个方法。根据我的第一篇博文中记录的经验，String的split方法会将数组后面为空的字符串截取掉，需要采用split(String regex, int limit)方法才能正确的获取到想要的长度。

所以若是经验正确无误，那怎么也不会报数组越界的错误吧，顶多会在parseLong的地方报无法转换的错。但事实就是一直报数据越界的错误，改了10次其它地方都无果。
（更多…）

查看全文

分类：Java语言, 战5渣

标签：Java, Only 5

CDH离线安装手册

yurnom2014年12月25日

8条评论15,589次浏览

公司终于有升级Hadoop版本的意思了，于是强烈推荐CDH版本，终于在再三的推荐下初步确定使用CDH版本了。于是CDH的测试集群搭建开始了。撒花...

CDH版本：5.3.0
操作系统版本：CentOS 6.3
JDK版本：jdk-7u71-linux-x64
资源下载：
- Cloudera Manager，选择操作系统对应的版本。
- CDH，下载CDH和对应的sha1文件以及manifest.json文件。
- mysql-connector-java-5.1.34-bin.jar，需要登录下载。

系统环境搭建

打通SSH
配置Hosts
关闭IPv6
关闭SELINUX
关闭防火墙
打开句柄限制
安装JDK
NTP

以上步骤参考Hadoop集群搭建全过程。其中JDK安装可能需要卸载操作系统自带的OpenJDK，命令：

rpm -qa | grep java
rpm -e --nodeps 包名

1 2	rpm -qa \| grep java rpm -e --nodeps 包名

（更多…）

查看全文

分类：CDH

标签：cdh, Hadoop

战5渣系列——奇怪的Pig特性

yurnom2014年12月19日

8条评论13,473次浏览

最近连续2次发烧+工作比较忙导致好久没更新。今天更一发战5渣。

先感受下战5渣的境界：

背景简介

用存储过程分分钟能搞定的事情，老总非要用hadoop跑，曰：hadoop是我们的核心竞争力。用hadoop的话算上导数据的时间，估计用时怎么也要6个小时左右。但这不是重点。重点是用pig计算出来的结果和存储过程跑出来的不一致，于是苦逼的排错之旅开始了。

第一个bug

第一个bug叫做“人祸”。队友发来的数据库表的文档居然漏掉了一个字段，于是这个字段后面的列全部对应错了。而我用pig又喜欢用X = FOREACH B1 GENERATE $4,$5,$16,$21,$45,$77,$81,$92,$47;这样的风格，并且加上如下注释：

--2014-11-19 写这段代码的时候只有我和上帝知道它在干嘛
--2014-12-19 现在只有上帝知道了

1 2	--2014-11-19 写这段代码的时候只有我和上帝知道它在干嘛 --2014-12-19 现在只有上帝知道了

好了不开玩笑了。虽然这个问题很没有技术含量，但教会了我这么一个真理：永远不要相信其它人，若确实需要相信其它人请选择性的相信那些靠谱的人！

第二个bug

第一个bug完全体现不出我是战5渣这么一个事实，那么第二个bug就能很好的诠释什么叫战5渣。

Y = FOREACH X GENERATE ($1 IS NULL?0:$1);

1	Y = FOREACH X GENERATE ($1 IS NULL?0:$1);

Y = FOREACH X GENERATE $1;

1	Y = FOREACH X GENERATE $1;

（更多…）

查看全文

分类：Apache Pig, 战5渣

标签：Pig, tsukkomi

LeetCode编程练习（2）

yurnom2014年11月26日

7条评论10,874次浏览

Max Points on a Line

题目

Given n points on a 2D plane, find the maximum number of points that lie on the same straight line.

答案

思路：时间复杂度O(n^3)的情况下是肯定可以算出结果的，那么意味着通过空间换时间应该是可以让时间复杂度达到O(n^2)，~~这是我自己发明的定律~~。首先定义静态内部类Line，用于表示两点计算出来的直线，考虑到Double类型的精度损失问题，Line采用三个属性来保证精度上的完整性。然后重写hashCode()和equals(..)方法，使得同一条直线相等，且在Hash值上相等。如此通过2个 $n(n-1)\over 2$ 次循环即可获取到结果，时间复杂度为O(n^2)。
（更多…）

查看全文

分类：Java语言

标签：Java, tsukkomi

LeetCode编程练习（1）

yurnom2014年11月21日

1条评论12,410次浏览

看到Leetcode 编程训练这篇文章，于是也开始尝试扫题。上面的题目基本是毫无实际用处的，但是训练下编程还是可以的。做题过程中感受到了一些平常没有的感觉（不要问我是不是查克拉流动的感觉，我还没具体的感受到），反正感觉应该对自己挺有用的。不过，也出现了很多让人想吐槽的bug（或者是我太弱了，还无法理解原因）。

Min Stack

题目

Design a stack that supports push, pop, top, and retrieving the minimum element in constant time.

push(x) -- Push element x onto stack.
pop() -- Removes the element on top of the stack.
top() -- Get the top element.
getMin() -- Retrieve the minimum element in the stack.

答案V1

采用一个TreeMap来保证随时可以获取到最小值（好处是最大值也能获取到，虽然题目中没有这个要求），提交答案后得到结果：Memory Limit Exceeded。
（更多…）

查看全文

分类：Java语言

标签：Java, tsukkomi

一些有用的CSS3属性

yurnom2014年11月18日

2条评论2,659次浏览

最近~~点错了~~技能点，点到css3上去了。然后终于算是比较系统化的完成了一套样式的设计。没错就是现在博客用到的样式，除了惯性式的背景流动效果外，其它的绝大部分都是我自己通过撞大运式编程弄出来的。

这套样式翻来覆去的就用到了几种css3属性，感觉十分有用，在此记录下来。

transition

transition，动画效果（反正我是这么理解的）属性。例如博客现在样式中的：

超链接的颜色，蓝色变成金黄色
按钮的颜色
文章的边框阴影
sidebar中的效果，向右移动，背景变化

使用方法

超链接颜色变化+字体大小变化

a {
	color:#fff;
	font-size:10px;
	transition:color 500ms, font-size 500ms;
}
a:hover {
	color:#000;
	font-size:20px;
}

a {

color:#fff;

font-size:10px;

transition:color 500ms, font-size 500ms;

}

a:hover {

color:#000;

font-size:20px;

}

（更多…）

查看全文

分类：前端

标签：css3

ascend: Error:(36, 29) wrong number of type parameters for overloaded method value createDirectStream with...
Anonymous:
Anonymous:
Anonymous:
Anonymous:
Anonymous: 运行报错：java.lang.Abstr actMethodError
Anonymous:
Anonymous:
Anonymous:
Anonymous:
zzg: 请问zz你问题核实了没� ��我也遇到了这个奇葩� ��问题，我们也是基�...
Anonymous:
kuyuzasur: what do i tell doctor to get viagra. edhelprie.mdhelpserv.com – how long we can take viagra,
Anonymous: 这个问题可以忽略。不影响
Anonymous:
Anonymous: 牛
Anonymous: 楼主你好，我偶尔也会遇到Reconnect due to socket error: java.nio.channels.ClosedCha...
Anonymous: sdfs
Anonymous:
Anonymous: java.io.NotSerializableExcepti on: DStream checkpointing has been enabled but the DStreams with their...