AI 助理
备案控制台
开发者社区 数据库 文章 正文

分布式NoSQL列存储数据库Hbase（一）Hbase的功能与应用场景、基本设计思想

2023-12-25 377
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
云数据库 RDS MySQL，集群系列 2核4GB
推荐场景：
搭建个人博客
RDS MySQL Serverless 高可用系列，价值2615元额度，1个月
简介： 分布式NoSQL列存储数据库Hbase（一）Hbase的功能与应用场景、基本设计思想

分布式NoSQL列存储数据库Hbase（一）

知识点01：回顾

  1. 离线项目为例
  • 数据生成：用户访问咨询数据、意向用户报名信息、考勤信息
  • 数据采集
  • Flume：实时数据采集：采集文件或者网络端口
  • Sqoop：离线数据同步：采集数据库的数据
  • 数据存储
  • HDFS：分布式离线文件存储系统
  • Hive：离线数据仓库
  • 将HDFS上的文件映射成了表的结构，让用户可以通过数据库和表的形式来管理大数据
  • 数据计算
  • MapReduce+YARN：分布式离线数据计算
  • Hive：通过SQL进行分布式计算
  • 将SQL语句转换为MapReduce程序，提交给YARN运行
  • 数据应用：通过对数据进行分析
  • 提高转化率：访问与咨询转化率、报名转换率
  • 考勤分析：通过考勤分析来把握所有人学习的情况
  1. 离线与实时
  • 离线：数据从产生到最后被使用，时效性比较低，时间比较长
  • 实时：数据从产生到最后被使用，时效性比较高，时间比较短
  • 方向：所有数据的价值会随着时间的流逝，价值会越来越低，希望所有数据都能被实时的计算以及处理
  • 实现实时：所有环节都必须是实时环节
  • 数据生成：实时的
  • 数据采集：实时的，Flume、Canal……
  • 数据存储：实时的，Hbase、Kafka、Redis……
  • 数据计算：实时的，Spark、Flink……
  • 数据应用：实时应用：风控系统、实时推荐、精准分析
  1. 学习知识的逻辑
  • step1：先了解基本的功能与应用场景
  • step2：基本的使用
  • step3：深入了解原理

知识点02：目标

  1. Hbase的功能与应用场景、基本设计思想【重点掌握】
  • 这玩意有什么用？解决什么问题？
  • 这玩意为什么能实现这样的功能？
  • 什么时候需要用这个玩意？
  • 这个玩意中的一些特殊的概念
  1. 搭建Hbase分布式集群环境
  • 分布式架构【重点】

知识点03：HBASE诞生

1、问题

  • 随着大数据的发展，大数据的应用场景越来越多，有了实时性的需求
  • HDFS、MapReduce：都只能实现离线的处理以及计算
  • 想做实时推荐
  • 实时的采集用户的数据，实时分析，根据用户画像给用户推荐合适的商品
  • 实时采集：Flume
  • 实时存储：存储读写的性能在毫秒级别
  • 实时计算：计算处理的性能在毫秒级别

2、需求

  • 需要一项技术能实现大量的数据实时数据读写
  • HDFS已经满足不了：HDFS解决离线大数据存储读写
  • 设计：为了满足怎么存储大数据的问题

3、解决

  • 谷歌的三篇论文
  • GFS：基于文件系统的离线大数据存储平台HDFS
  • MapReduce：基于离线大数据批处理分布式计算平台
  • BigTable：分布式实时随机读写的NoSQL数据库【Chubby】
  • Hbase + Zookeeper
  • 设计：怎么高效的进行大数据读写存储的问题

4、总结

  • Hbase能实现基于海量数据的随机实时的数据存储及读写
  • 与MySQL区别：Hbase实现大数据存储
  • 与HDFS区别：Hbase性能更好，更快

知识点04：Hbase功能及应用场景

Apache HBase™ is the Hadoop database, a distributed, scalable, big data store.
#分布式      可扩展   大数据存储数据库
Use Apache HBase™ when you need random, realtime read/write access to your Big Data. 
#随机的实时的大数据访问
This project's goal is the hosting of very large tables -- billions of rows X millions of columns -- 
#存储非常大的数据表
atop clusters of commodity hardware. Apache HBase is an open-source, distributed, versioned, non-relational database modeled after Google's Bigtable: A Distributed Storage System for Structured Data by Chang et al. Just as Bigtable leverages the distributed data storage provided by the Google File System, Apache HBase provides Bigtable-like capabilities on top of Hadoop and HDFS.

1、功能

  • Hbase是一个分布式的NoSQL数据库，能实现随机实时的大量数据的读写
  • 大数据存储：分布式 + HDFS
  • 实时数据读写

2、应用场景

  • 电商：实时推荐
  • 金融：实时风控、实时征信统计
  • 交通：实时车辆监控
  • 游戏：实时记录所有操作
  • ……

知识点05：HBASE设计思想

1、问题

  • 对于计算机而言，数据的存储只会在两个地方
  • 内存：读写比较快
  • 硬盘：读写相对慢一些
  • 为什么Hbase可以实现大量数据的实时的读写？
  • 问题1：为什么Hbase能存储大量数据？
  • 问题2：为什么Hbase能读写很快？

2、需求

  • 需求1：必须实现分布式存储，利用多台机器的硬件资源从逻辑上整合为一个整体
  • 类似于HDFS设计思想
  • 需求2：必须实现将数据存储在内存中，读写速度才能很快
  • 为什么HDFS也是分布式，但是慢：HDFS所有的数据是存储在磁盘中

3、实现

  • 实现1：Hbase做了分布式结构，利用多台机器组合成一个整体，多台机器的内存和磁盘进行逻辑合并了
  • 实现2：Hbase优先将数据写入内存，读取数据时，如果数据在内存中，可以被直接读取
  • 新的问题：内存的空间是比较小的，能存储的数据量不大，违背了Hbase能存储大数据吗？
  • 内存的特点：内存容量小、数据易丢失、读写速度快
  • 磁盘的特点：容量空间大、数据相对安全、速度相对慢
  • Hbase如何能实现容量大和速度快的问题？
  • 设计思想：冷热数据分离，实时计算中，对当前最新的数据进行读取处理应用
  • 冷：大概率不会被用到的数据
  • 在实时架构中，已经产生很久的数据
  • 热：大概率会被用到的数据
  • 在实时架构中，刚产生的数据
  • 解决：Hbase将数据写入内存中，如果内存中存储的数据满了，就将内存的数据写入磁盘
  • 热：写内存，大概率的情况下，可以直接从内存中读取
  • 冷：将内存中产生很久的数据写入磁盘中

4、总结

  • 为什么Hbase既能存储大数据，也能很高的性能：冷热数据分离
  • 最新的数据写入内存，大概率也是读内存
  • 构建分布式内存：数据优先写入分布式内存
  • Hbase集群
  • 将老的数据写入磁盘，被读的概率相对较低
  • 构建分布式磁盘：老的数据写入分布式磁盘
  • HDFS集群
  • 新的问题：Hbase数据如何能保证安全？
  • HDFS保证数据安全机制：副本机制，每个数据块存储3份，存储在不同的机器上
  • 内存：本身就是容易丢失的，如果断电
  • 一般内存中数据不能通过副本机制来保证
  • 因为内存空间小、内存都是易丢失的
  • 一般内存的数据安全都选择写WAL的方式来实现的【记住这是保证内存数据安全的方式】
  • 磁盘：Hbase将数据从内存写入HDFS，由HDFS的保障机制来保证磁盘数据安全

知识点06：HBASE中的对象概念

0、NoSQL数据库与RDBMS数据库

  • RDBMS：一般是为了解决数据管理问题
  • 数据安全性高、支持事务特性、数据量比较小、数据相对比较差
  • MySQL、Oracle……
  • 都支持SQL语句，存储固定的行列数据
  • 数据库、表、行、列
  • NoSQL：一般是为了解决性能问题
  • 数据安全性相对没有那么高、不支持完善是事务，数据量比较大、性能比较高
  • Hbase、Redis、MongoDB……
  • 都不支持SQL语句，存储的数据也有固定的格式
  • 每种数据库都有自己的API方式

1、数据库设计

  • NameSpace：命名空间，类似于MySQL中的数据库概念，Namespace中有多张表，Hbase中可以有多个Namespace
  • 直接把它当做数据库来看
  • Hbase自带了两个Namespace
  • default：默认自带的namespace
  • hbase：存储系统自带的数据表
  • 注意
  • Hbase中的每张表都必须属于某一个Namespace，将namespace当做表名的一部分
  • 如果在对表进行读写时，必须加上namespace:tbname方式来引用
  • 例如：namespace叫做itcast，里面有一张表叫做heima
itcast:heima
  • 如果不加namesp引用表的操作，这张表就默认为default的namespace下的表
heima

2、数据表设计

  • Table：表，Hbase中的每张表都必须属于某一个Namespace
  • 注意：在访问表时，如果这张表不在default的namespace下面，必须加上namespace:表名的方式来引用
  • Hbase中的表时分布式结构，写入Hbase表的数据，会分布式存储到多台机器上

知识点07：HBASE中的存储概念

1、数据行设计

  • Rowkey：行健，这个概念是整个Hbase的核心，类似于MySQL主键的概念
  • MySQL主键：可以没有，唯一标记一行、作为主键索引
  • Hbase行健：自带行健这一列【行健这一列的值由用户自己设计】，唯一标识一行，作为Hbase表中的唯一索引
  • Hbase整个数据存储都是按照Rowkey实现数据存储的

2、列族设计

  • ColumnFamily：列族，对除了Rowkey以外的列进行分组，将列划分不同的组中
  • 注意：任何一张Hbase的表，都至少要有一个列族，除了Rowkey以外的任何一列，都必须属于某个列族，Rowkey不属于任何一个列族
  • 分组：将拥有相似IO属性的列放入同一个列族【要读一起读，要写一起写】
  • 原因：划分列族，读取数据时可以加快读取的性能
  • 如果没有列族：找一个人，告诉你这个人就在这栋楼
  • 如果有了列族：找一个人，告诉你这个人在这栋楼某个房间

3、数据列设计

  • Column：列，与MySQL中的列是一样
  • 注意
  • Hbase除了rowkey以外的任何一列都必须属于某个列族，引用列的时候，必须加上列族
  • 如果有一个列族：basic
  • 如果basic列族中有两列：name，age
basic:name
basic:age
  • Hbase中每一行拥有的列是可以不一样的
  • 每个Rowkey可以拥有不同的列

4、版本设计

  • 功能：某一行的任何一列存储时，只能存储一个值，Hbase可以允许某一行的某一列存储多个版本的值的
  • 级别：列族级别，指定列族中的每一列最多存储几个版本的值，来记录值的变化的
  • 区分：每一列的每个值都会自带一个时间戳，用于区分不同的版本
  • 默认情况下查询，根据时间戳返回最新版本的值

5、分布式设计

  • Hbase的表如何实现分布式设计
  • Region：分区，Hbase中任何一张都可以有多个分区，数据存储在表的分区中，每个分区存储在不同的机器上
  • 非常类似于HDFS中Block的概念
  • 划分规则：范围分区
  • HDFS设计
  • 文件夹
  • 文件
  • 划分Block：根据每128M划分一个块
  • 每个Block存储在不同的机器上

  • Hbase设计
  • Namespace
  • Table：分布式表
  • 划分Region/Part
  • 存储在不同的机器上：RegionServer

  • 对比
分布式概念 HDFS Hbase
对象 目录 + 文件 Namespace + Table
分布式 Block Region
划分规则 按照大小划分：128M 按照范围划分

6、概念对比

概念 MySQL Hbase
数据库 DataBase NameSpace
数据表 Table Table【分布式的】
数据分区 - Region
数据行 主键+其他列 Rowkey+其他列
列族 - ColumnFamily
数据列 普通列与对应的值 列【timestamp】与对应的值【支持多版本】

知识点08：HBASE中的按列存储

1、功能

  • Hbase的最小操作单元是列，不是行，可以实现对每一行的每一列进行读写

2、问题

  • Hbase性能很好原因
  • 读写内存
  • 思考问题：依旧存在一定的概率会读HDFS文件，怎么能让读文件依旧很快?
  • 列族的设计：加快数据的读取性能
  • Rowkey构建索引，基于有序的文件数据
  • 按列存储

3、设计

  • MySQL：按行存储，最小的操作单元是行
  • insert：插入一行
  • delete：删除一行
  • ……
  • Hbase：按列存储，最小操作单元是列
  • 插入：为某一行插入一列
  • 读取：只读某一行的某一列的
  • 删除：只删除这一行的某一列

4、举例

  • MySQL中读取数据
  • 查询【id，name,age,addr,phone……100列，每一列10M】：select id from table ;
  • 先找到所有符合条件的行，将整行的数据所有列全部读取：1000M数据
  • 再过滤id这一列：10M
  • Hbase中读取数据
  • 查询【id，name,age,addr,phone……100列，每一列10M】：select id from table ;
  • 直接对每一行读取这一列的数据：10M

5、总结

  • 思想：通过细化了操作的颗粒度，来提高读的性能
  • 如果按行存储：找一个人，告诉你这个人就在这栋楼某个房间的某一排
  • 如果按列存储：找一个人，告诉你这个人在这栋楼某个房间的某一排的某一列

知识点09：HBASE集群架构

1、分布式主从架构

  • Hbase集群：分布式架构集群，主从架构
  • HMaster：主节点：管理节点
  • 负责所有从节点的管理
  • 负责元数据的管理
  • HRegionServer：从节点：存储节点
  • 负责存储每张表的数据：Region
  • Region存储在RegionServer中
  • 对外提供Region的读写请求
  • 用于构建分布式内存：每台RegionServer有10GB内存存储空间，100台RegionServer
  • Hbase可以存储的总内存空间：1000G
  • 数据写入Hbase，先进入分布式内存

2、HDFS的设计

  • 如果HRegionServer的内存达到一定阈值，就会将内存中的数据写入HDFS，实现数据持久化存储
  • 用于存储冷数据的：大部分的数据都在HDFS中

3、Zookeeper的设计

  • Zookeeper在大数据工具中的作用
  • 功能一：用于存储元数据：Hbase、Kafka……
  • 功能二：用于解决主节点的单点故障问题HA，辅助选举Active的Master

知识点10：集群部署【自己部署】

1、解压安装

  • 上传HBASE安装包到第一台机器的/export/software目录下
cd /export/software/
  • 解压安装
tar -zxvf hbase-2.1.0.tar.gz -C /export/server/
cd /export/server/hbase-2.1.0/

2、修改配置

  • 切换到配置文件目录下
cd /export/server/hbase-2.1.0/conf/
  • 修改hbase-env.sh
#28行
export JAVA_HOME=/export/server/jdk1.8.0_241
#125行
export HBASE_MANAGES_ZK=false
  • 修改hbase-site.xml
cd /export/server/hbase-2.1.0/
mkdir datas
vim conf/hbase-site.xml
<property >
    <name>hbase.tmp.dir</name>
    <value>/export/server/hbase-2.1.0/datas</value>
  </property>
    <property >
    <name>hbase.rootdir</name>
    <value>hdfs://node1:8020/hbase</value>
  </property>
  <property >
    <name>hbase.cluster.distributed</name>
    <value>true</value>
  </property>
  <property>
    <name>hbase.zookeeper.quorum</name>
    <value>node1:2181,node2:2181,node3:2181</value>
  </property>
  • 修改regionservers
vim conf/regionservers
node1
node2
node3
  • 配置环境变量
vim /etc/profile
#HBASE_HOME
export HBASE_HOME=/export/server/hbase-2.1.0
export PATH=:$PATH:$HBASE_HOME/bin
source /etc/profile

3、分发启动

  • 分发
cd /export/server/
scp -r hbase-2.1.0 node2:$PWD
scp -r hbase-2.1.0 node3:$PWD
  • 启动
  • step1：启动HDFS
start-dfs.sh
  • step2：启动ZK
/export/server/zookeeper-3.4.6/bin/start-zk-all.sh
#!/bin/bash
ZK_HOME=/export/server/zookeeper-3.4.6
for number in {1..3}
do
        host=node${number}
        echo ${host}
        /usr/bin/ssh ${host} "cd ${ZK_HOME};source /etc/profile;${ZK_HOME}/bin/zkServer.sh start"
        echo "${host} started"
done
  • step3：启动Hbase
start-hbase.sh
  • 关闭
stop-hbase.sh

4、测试

  • 访问Hbase Web UI
node1:16010
Apache Hbase 1.x之前是60010，1.x开始更改为16010
CDH版本：一直使用60010

5、搭建Hbase HA

  • 关闭Hbase所有节点
stop-hbase.sh
  • 创建并编辑配置文件
vim conf/backup-masters
node2
  • 启动Hbase集群

6、测试HA

  • 启动两个Master，强制关闭Active Master，观察StandBy的Master是否切换为Active状态
  • 【测试完成以后，删除配置，只保留单个Master模式】

知识点11：集群部署【导入虚拟机】

  • 参考虚拟机导入文档，实现虚拟机导入配置
  • 所有软件的安装目录
/export/server

知识点12：HBASE集群测试

1、启动Hbase Shell

hbase shell

2、查看帮助命令

help

3、创建NameSpace

create_namespace 'itcast'

4、创建Table

create 'itcast:heima',{NAME =>'cf1',VERSIONS=> 3},{NAME =>'cf2'}

5、插入数据

#往itcast:heima表中的这一行20210301_001中插入一列cf1列族下，插入name这一列，列的值为laoda
put  表名       rowkey    列族：列    值
put 'itcast:heima','20210301_001','cf1:name','laoda'
put 'itcast:heima','20210301_001','cf1:age',20
put 'itcast:heima','20210301_001','cf2:phone','110'
put 'itcast:heima','20210201_002','cf1:name','laoer'
put 'itcast:heima','20210201_002','cf2:phone','120'
put 'itcast:heima','20210301_003','cf1:name','laosan'

6、查询数据

scan 'itcast:heima'

练习作业

1、简答题

  • 简述Hbase的功能、应用场景及其设计思想
  • 简述NameSpace、Table、Rowkey、ColumnFamily、VERSIONS概念的含义及与MySQL中概念的区别
  • 简述Hbase集群的架构组成及角色功能

2、操作题

创建Table

create 'itcast:heima',{NAME =>'cf1',VERSIONS=> 3},{NAME =>'cf2'}

5、插入数据

#往itcast:heima表中的这一行20210301_001中插入一列cf1列族下，插入name这一列，列的值为laoda
put  表名       rowkey    列族：列    值
put 'itcast:heima','20210301_001','cf1:name','laoda'
put 'itcast:heima','20210301_001','cf1:age',20
put 'itcast:heima','20210301_001','cf2:phone','110'
put 'itcast:heima','20210201_002','cf1:name','laoer'
put 'itcast:heima','20210201_002','cf2:phone','120'
put 'itcast:heima','20210301_003','cf1:name','laosan'

6、查询数据

scan 'itcast:heima'

练习作业

1、简答题

  • 简述Hbase的功能、应用场景及其设计思想
  • 简述NameSpace、Table、Rowkey、ColumnFamily、VERSIONS概念的含义及与MySQL中概念的区别
  • 简述Hbase集群的架构组成及角色功能

2、操作题

  • 基于知识点11，导入虚拟机并测试Hbase集群读写成功


文章标签：
云数据库HBase版
云虚拟主机
微服务引擎
云数据库 RDS MySQL 版
云原生大数据计算服务 MaxCompute
数据安全中心
NoSQL
Hbase
存储
分布式数据库
数据库
关键词：
nosql数据库
分布式数据库
分布式应用场景
数据库nosql
数据库分布式
相关实践学习
lindorm多模间数据无缝流转
展现了Lindorm多模融合能力——用kafka API写入，无缝流转在各引擎内进行数据存储和计算的实验。
云数据库HBase版使用教程
&nbsp; 相关的阿里云产品：云数据库 HBase 版 面向大数据领域的一站式NoSQL服务，100%兼容开源HBase并深度扩展，支持海量数据下的实时存储、高并发吞吐、轻SQL分析、全文检索、时序时空查询等能力，是风控、推荐、广告、物联网、车联网、Feeds流、数据大屏等场景首选数据库，是为淘宝、支付宝、菜鸟等众多阿里核心业务提供关键支撑的数据库。 了解产品详情:&nbsp;https://cn.aliyun.com/product/hbase &nbsp; ------------------------------------------------------------------------- 阿里云数据库体验：数据库上云实战 开发者云会免费提供一台带自建MySQL的源数据库&nbsp;ECS 实例和一台目标数据库&nbsp;RDS实例。跟着指引，您可以一步步实现将ECS自建数据库迁移到目标数据库RDS。 点击下方链接，领取免费ECS&amp;RDS资源，30分钟完成数据库上云实战！https://developer.aliyun.com/adc/scenario/51eefbd1894e42f6bb9acacadd3f9121?spm=a2c6h.13788135.J_3257954370.9.4ba85f24utseFl
Maynor
目录
相关文章
kaixin321-44007
|
3月前
|
SQL 关系型数据库 MySQL
乐观锁在分布式数据库中如何与事务隔离级别结合使用
乐观锁在分布式数据库中如何与事务隔离级别结合使用
kaixin321-44007
53 5
八百标兵奔北坡
|
28天前
|
SQL 关系型数据库 MySQL
乐观锁在分布式数据库中如何与事务隔离级别结合使用
乐观锁在分布式数据库中如何与事务隔离级别结合使用
八百标兵奔北坡
40 2
郑小健
|
3月前
|
存储 SQL 分布式数据库
OceanBase 入门：分布式数据库的基础概念
【8月更文第31天】在当今的大数据时代，随着业务规模的不断扩大，传统的单机数据库已经难以满足高并发、大数据量的应用需求。分布式数据库应运而生，成为解决这一问题的有效方案之一。本文将介绍一款由阿里巴巴集团自主研发的分布式数据库——OceanBase，并通过一些基础概念和实际代码示例来帮助读者理解其工作原理。
郑小健
309 0
jianz123
|
9天前
|
关系型数据库 分布式数据库 数据库
PostgreSQL+Citus分布式数据库
PostgreSQL+Citus分布式数据库
jianz123
39 15
想飞的雪糕
|
23天前
|
JSON 分布式计算 前端开发
前端的全栈之路Meteor篇（七）：轻量的NoSql分布式数据协议同步协议DDP深度剖析
本文深入探讨了DDP（Distributed Data Protocol）协议，这是一种在Meteor框架中广泛使用的发布/订阅协议，支持实时数据同步。文章详细介绍了DDP的主要特点、消息类型、协议流程及其在Meteor中的应用，包括实时数据同步、用户界面响应、分布式计算、多客户端协作和离线支持等。通过学习DDP，开发者可以构建响应迅速、适应性强的现代Web应用。
想飞的雪糕
38 2
jianz123
|
1月前
|
SQL 关系型数据库 分布式数据库
Citus 简介，将 Postgres 转换为分布式数据库
【10月更文挑战第4天】Citus 简介，将 Postgres 转换为分布式数据库
jianz123
83 4
邹荣乐
|
30天前
|
SQL NoSQL MongoDB
一款基于分布式文件存储的数据库MongoDB的介绍及基本使用教程
一款基于分布式文件存储的数据库MongoDB的介绍及基本使用教程
邹荣乐
41 0
土木林森
|
3月前
|
C# UED 定位技术
WPF控件大全：初学者必读，掌握控件使用技巧，让你的应用程序更上一层楼！
【8月更文挑战第31天】在WPF应用程序开发中，控件是实现用户界面交互的关键元素。WPF提供了丰富的控件库，包括基础控件（如`Button`、`TextBox`）、布局控件（如`StackPanel`、`Grid`）、数据绑定控件（如`ListBox`、`DataGrid`）等。本文将介绍这些控件的基本分类及使用技巧，并通过示例代码展示如何在项目中应用。合理选择控件并利用布局控件和数据绑定功能，可以提升用户体验和程序性能。
土木林森
65 0
stefanie燕
|
3月前
|
Cloud Native 关系型数据库 分布式数据库
什么是云原生数据库PolarDB分布式版
本文介绍什么是云原生数据库PolarDB分布式版，也称为PolarDB分布式版，本手册中简称为PolarDB-X。
stefanie燕
92 0
刘大猫.
|
2月前
|
分布式计算 Java Hadoop
java使用hbase、hadoop报错举例
java使用hbase、hadoop报错举例
刘大猫.
90 4

热门文章

最新文章

  • 1
    RDS入门——Excel文件转存到RDS数据库实践
  • 2
    干货分享 ｜ 揭秘下一代云数据库引擎MyBase for MySQL
  • 3
    SQLServer数据库日志清理 清除sqlserver2005日志 - sk
  • 4
    使用xtrabackup备份innodb引擎的数据库
  • 5
    数据库安全之权限与角色
  • 6
    服务器增加内存后无法重启数据库的问题及解决
  • 7
    Android Sqlite数据库版本升级管理初探
  • 8
    Sqlserver与access数据库sql语法十大差异
  • 9
    DbVisualizer 数据库连接工具：添加数据库驱动方法。dbvis搜索不到驱动文件夹下的驱动解决方法
  • 10
    如何通过ASP文件来增加数据库表中的字段
  • 1
    Ray是一个开源的分布式计算框架，用于构建和扩展分布式应用。它提供了简单的API，使得开发者可以轻松地编写并行和分布式代码，而无需担心底层的复杂性。
    782
  • 2
    Celery是一个基于分布式消息传递的异步任务队列/作业队列
    141
  • 3
    操作系统的演变：从单任务到多任务再到并发与分布式
    61
  • 4
    分布式自增ID算法---雪花算法（SnowFlake）Java实现
    279
  • 5
    探索操作系统的未来：从单体到分布式架构
    86
  • 6
    分布式系统的一些基本概念
    56
  • 7
    Spring Cloud微服务框架：构建高可用、分布式系统的现代架构
    183
  • 8
    技术好文：Redis分布式锁的正确实现方式
    52
  • 9
    探索排序的宇宙奥秘：Python中归并排序的并行处理与分布式应用！
    60
  • 10
    python多进程日志以及分布式日志的实现方式
    98

    • 相关课程

    更多
  • 基于Zookeeper、Dubbo构建互联网分布式基础架构
  • 云数据库HBase版使用教程
  • HBase入门教程
  • 分布式文件存储系统技术及实现
  • 分布式数据库 HBase 快速入门
  • 分布式协调系统 Zookeeper 快速入门

    • 相关电子书

    更多
  • 大数据时代的存储 ——HBase的实践与探索
  • Hbase在滴滴出行的应用场景和最佳实践
  • 阿里云HBase主备双活

    • 相关实验场景

    更多
  • 使用DAS实现数据库SQL优化
  • 体验PolarDB-X透明分布式
  • 自建数据库迁移到云数据库
  • PolarDB for AI：在数据库中通过SQL实现AI能力
  • 云原生HTAP数据库，让你的交易和分析一库搞定
  • 快速体验PolarDB开源数据库
    • 下一篇
    阿里云OSS设置跨域访问