您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Catalyst:一个Spark和Shark的查询优化框架

  2. Databricks高级软件工程师Michael Armbrust,在此次峰会上就什么是查询优化、简捷的查询规划、优化执行、优先工作、Catalyst做了详细介绍,总之Catalyst是一个关系运算符的优化树架构。
  3. 所属分类:讲义

    • 发布日期:2014-05-29
    • 文件大小:470016
    • 提供者:karamos
  1. 利用Spark and Shark快速循环分析不同数据

  2. ClearStory Data创办人Vaibhav Nivargi专注于查询优化、高性能数据处理和分布式系统。他是Aster Data的第一个工程师,开发Aster MapReduce平台的关键部分。他的经验包括优化Linux内核的多核处理器和分布式文件系统。Vaibhav毕业于斯坦福大学计算机科学硕士学位,精通分布式系统和机器学习。此次峰会他介绍了他们公司使用Spark的情况。
  3. 所属分类:讲义

    • 发布日期:2014-05-29
    • 文件大小:589824
    • 提供者:karamos
  1. Spark的API

  2. Spark的API文档,不是特别好使,下回再优化
  3. 所属分类:其它

    • 发布日期:2014-07-15
    • 文件大小:160768
    • 提供者:f16022
  1. spark-streaming

  2. Spark Streaming是大规模流式数据处理的新贵,将流式计算分解成一系列短小的批处理作业。本文阐释了Spark Streaming的架构及编程模型,并结合实践对其核心技术进行了深入的剖析,给出了具体的应用场景及优化方案
  3. 所属分类:其它

    • 发布日期:2014-10-31
    • 文件大小:2097152
    • 提供者:p_x1984
  1. spark大数据处理

  2. spark大数据处理,讲解spark集群安装,spark应用开发,spark优化
  3. 所属分类:群集服务

    • 发布日期:2015-04-01
    • 文件大小:7340032
    • 提供者:qq386587793
  1. 2015 Spark技术峰会-腾讯在Spark上的应用与实践优化-王联辉

  2. 腾讯高级工程师王联辉在OpenCloud 2015大会Spark专场的演讲PPT:腾讯在Spark上的应用与实践优化,主要介绍Spark在腾讯的当前现状、典型应用及效果,以及腾讯在Spark上的实践和优化。其中,典型应用在三个方面:预测用户的广告点击概率;计算两个好友间的共同好友数;用于ETL的SparkSQL和DAG任务。
  3. 所属分类:群集服务

    • 发布日期:2015-04-27
    • 文件大小:712704
    • 提供者:happytofly
  1. 2015 Spark技术峰会-Spark优化及实践经验分享-黄洁

  2. 英特尔大数据技术中心研发经理黄洁在OpenCloud 2015大会Spark专场的演讲PPT:Spark优化及实践经验分享,就Spark的内存管理、IO提升和计算优化3个方面进行了详细讲解。对于Spark,黄洁表示,它将成为大数据的一个重要角色,同时,也将成为下一代IA大数据主要平台。
  3. 所属分类:群集服务

    • 发布日期:2015-04-29
    • 文件大小:1048576
    • 提供者:happytofly
  1. 基于运行数据分析的Spark任务参数优化_陈侨安.pdf

  2. spark运行涉及的一些优化方案,可能对一些实际场景有作用,喜欢就下载把
  3. 所属分类:其它

    • 发布日期:2017-11-27
    • 文件大小:870400
    • 提供者:dinghua_xuexi
  1. spark并行计算论文集合

  2. 1.一种基于Spark和聚类分析的辨识电力系统不良数据新方法 2.基于Spark云计算平台的改进K近邻算法研究 3.基于Spark的蚁群优化算法 4.基于Spark的大数据清洗框架设计与实现 5.基于Spark的大规模分布式矩阵运算算法研究与实现 共十几篇论文.....
  3. 所属分类:spark

    • 发布日期:2018-07-11
    • 文件大小:39845888
    • 提供者:houjoe
  1. Spark性能优化指南——基础篇 -.pdf

  2. Spark性能优化指南——基础篇 -.pdf Spark性能优化指南——基础篇 -.pdf Spark性能优化指南——基础篇 -.pdf
  3. 所属分类:spark

    • 发布日期:2018-07-27
    • 文件大小:1048576
    • 提供者:linke1183982890
  1. spark性能优化手册

  2. spark优化,spark优化,spark优化,spark优化,spark优化
  3. 所属分类:spark

    • 发布日期:2018-08-10
    • 文件大小:595968
    • 提供者:linke1183982890
  1. spark性能优化小结

  2. spark优化,spark优化,spark优化,spark优化,spark优化
  3. 所属分类:spark

    • 发布日期:2018-08-10
    • 文件大小:1048576
    • 提供者:linke1183982890
  1. spark优化实践小记

  2. 此文档主要对日常使用spark过程中可能遇到的一些性能优化问题做了一次整理总结
  3. 所属分类:spark

    • 发布日期:2018-09-21
    • 文件大小:19456
    • 提供者:u011750989
  1. spark性能调优的几大原则

  2. spark算子的优化,如用mapPartitions代替map等,以及解决OOM等问题的一些常用优化原则
  3. 所属分类:spark

    • 发布日期:2018-09-26
    • 文件大小:471040
    • 提供者:java15yhm
  1. spark性能调优

  2. 1.spark-config-and-tuning 2.spark-graphx-source-analysis 3.spark-ml-source-analysis 4.spark-programming-guide-zh-cn
  3. 所属分类:spark

    • 发布日期:2018-10-09
    • 文件大小:13631488
    • 提供者:lb812913059
  1. Hive Hadoop Spark优化

  2. Hive Hadoop Spark优化
  3. 所属分类:Java

    • 发布日期:2019-09-28
    • 文件大小:4194304
    • 提供者:caoli201314
  1. jvm -spark-优化

  2. jvm -spark-优化
  3. 所属分类:其它

    • 发布日期:2016-10-03
    • 文件大小:31744
    • 提供者:qq_34969081
  1. spark优化

  2. Spark的开发优化 1.Spark性能优化的第一步,就是要在开发Spark作业的过程中注意和应用一些性能优化的基本原则。开发调优,就是要让大家了解以下一些Spark基本开发原则,包括:RDD lineage设计、算子的合理使用、特殊操作的优化等。在开发过程中,时时刻刻都应该注意以上原则,并将这些原则根据具体的业务以及实际的应用场景,灵活地运用到自己的Spark作业中。 原则一:避免创建重复的RDD   通常来说,我们在开发一个Spark作业时,首先是基于某个数据源(比如Hive表或HDFS文件
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:274432
    • 提供者:weixin_38694674
  1. Spark优化总结

  2. 一、资源 任何计算都不不开资源的开销,如何把资源利用到极致显得非常重要。 drive process向Resource Manager申请任务资源,yarn给executor进程分配资源,Executors的内存重要分为三种: (1)executor内存(60%):执行内存,执行shuffle(join)的时候,shuffle会用这个内存区来存储数据,如果溢出写磁盘        (2)storage内存(20%):存储缓存,cache、presist、broadcast        (3)o
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:60416
    • 提供者:weixin_38621150
  1. mips-spark-optimization:Mips Spark优化-源码

  2. mips-spark优化 Mips Spark优化
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:5120
    • 提供者:weixin_42151729
« 12 3 4 5 6 7 8 9 10 ... 14 »