CSDN论坛 > 云计算 > Spark

[推荐] 【社区问答第三十一期】基于storm和hbase的线上应用和实时反馈实践 [问题点数:100分,结帖人yixiaof]

Bbs1
本版专家分:0
管理员
结帖率 6.5%
CSDN今日推荐
Bbs1
本版专家分:0
Blank
红花 2015年8月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年4月 扩充话题大版内专家分月排行榜第二
2015年10月 扩充话题大版内专家分月排行榜第二
2015年9月 扩充话题大版内专家分月排行榜第二
Bbs1
本版专家分:2
Bbs1
本版专家分:0
Bbs1
本版专家分:0
版主
Blank
优秀版主 2016年8月优秀小版主
优秀小版主
2015年7月优秀小版主
2015年8月优秀小版主
2015年9月优秀小版主
2015年5月优秀小版主
2015年4月潜水乐园小板版主
2015年2月论坛优秀版主
2014年11月论坛优秀版主
Blank
红花 2015年11月 扩充话题大版内专家分月排行榜第一
2015年7月 扩充话题大版内专家分月排行榜第一
2015年1月 扩充话题大版内专家分月排行榜第一
2014年9月 扩充话题大版内专家分月排行榜第一(补)
2013年9月 扩充话题大版内专家分月排行榜第一
2013年8月 扩充话题大版内专家分月排行榜第一
2013年7月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2016年3月 扩充话题大版内专家分月排行榜第二
2015年12月 扩充话题大版内专家分月排行榜第二
2015年6月 扩充话题大版内专家分月排行榜第二
2015年2月 扩充话题大版内专家分月排行榜第二
2014年10月 扩充话题大版内专家分月排行榜第二
2014年8月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2016年4月 扩充话题大版内专家分月排行榜第三
2015年9月 扩充话题大版内专家分月排行榜第三
2015年3月 扩充话题大版内专家分月排行榜第三
2014年1月 扩充话题大版内专家分月排行榜第三
2013年12月 扩充话题大版内专家分月排行榜第三
2013年4月 C/C++大版内专家分月排行榜第三
Bbs1
本版专家分:1
Blank
蓝花 2016年9月 Web 开发大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs2
本版专家分:386
Bbs1
本版专家分:0
Bbs1
本版专家分:3
Blank
红花 2015年2月 扩充话题大版内专家分月排行榜第一
Blank
黄花 2018年5月 扩充话题大版内专家分月排行榜第二
2015年1月 扩充话题大版内专家分月排行榜第二
Blank
蓝花 2018年6月 扩充话题大版内专家分月排行榜第三
2018年3月 扩充话题大版内专家分月排行榜第三
2014年12月 扩充话题大版内专家分月排行榜第三
Bbs1
本版专家分:40
Bbs1
本版专家分:52
Bbs2
本版专家分:145
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs1
本版专家分:30
Bbs1
本版专家分:30
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:52
Bbs1
本版专家分:1
版主
Bbs1
本版专家分:30
Bbs2
本版专家分:145
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs1
本版专家分:11
Bbs1
本版专家分:30
Bbs1
本版专家分:10
版主
Blank
优秀版主 2016年10月优秀小版主
优秀小版主
Bbs1
本版专家分:0
Bbs1
本版专家分:52
Bbs2
本版专家分:145
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:30
Bbs1
本版专家分:30
Bbs1
本版专家分:30
Bbs1
本版专家分:10
版主
Blank
优秀版主 2016年10月优秀小版主
优秀小版主
Bbs2
本版专家分:145
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs2
本版专家分:145
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs2
本版专家分:145
版主
Blank
优秀版主 2015年8月优秀小版主
2015年5月优秀小版主
2015年4月html5优秀版主
Blank
蓝花 2015年7月 Web 开发大版内专家分月排行榜第三
Bbs1
本版专家分:30
Bbs1
本版专家分:10
版主
Blank
优秀版主 2016年10月优秀小版主
优秀小版主
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:0
Bbs1
本版专家分:5
版主
匿名用户不能发表回复!
其他相关推荐
两个例子(来自Storm实战 构建大数据实时计算)
例子一:模拟网站计算用户PV(页面浏览量)         拓扑图如下:              1、编写Topology public class TopoMain { public static void main(String[] args) throws AlreadyAliveException, InvalidTopologyException { TopologyB
kafka+storm+hbase整合试验(Wordcount)
kafka+storm+hbase整合:kafka作为分布式消息系统,实时消息系统,有生产者和消费者;storm作为大数据的实时处理系统;hbase是apache hadoop 的数据库,其具有高效的读写性能!这里把kafka生产的数据作为storm的源头spout来消费,经过bolt处理把结果保存到hbase。基础环境:Redhat 5.5 64位(我这里是三台虚拟机h40,h41,h42)my...
关于Storm实时往HBase存数据的性能优化
在开发中根据业务逻辑,需要存储在Storm中每个Spout和Bolt中产生的数据到HBase表中。在程序调优的过程中不断调整和优化了几种方案。 1.直接在每个Spout和Bolt中连接HBase存放数据 这是首先考虑和测试的选择,也是最先放弃的选择,短时多次建立连接会造成资源的浪费和排队,存储的时间的过长也会影响Topology流的稳定性和实时性。 2.直接在每个Spout和Bolt中数据发...
015-Storm计算网站UV(去重计算模式)
通过Storm统计uv和pv,其中uv去重,解决高并发多线程下uv和pv统计出错问题。
基于HBase的海量数据实时查询系统设计与实现
点击打开链接 http://www.doc88.com/p-7445439907872.html
推荐系统 --- 实时推荐系统
推荐系统介绍 自从1992年施乐的科学家为了解决信息负载的问题,第一次提出协同过滤算法,个性化推荐已经经过了二十几年的发展。1998年,林登和他的同事申请了“item-to-item”协同过滤技术的专利,经过多年的实践,亚马逊宣称销售的推荐占比可以占到整个销售GMV(Gross Merchandise Volume,即年度成交总额)的30%以上。随后Netflix举办的推荐算法优化竞赛,吸引
Flume+Kafka+Storm+Redis实时分析系统基本架构
今天作者要在这里通过一个简单的电商网站订单实时分析系统和大家一起梳理一下大数据环境下的实时分析系统的架构模型。当然这个架构模型只是实时分析技术的一个简单的入门级架构,实际生产环境中的大数据实时分析技术还涉及到很多细节的处理, 比如使用Storm的ACK机制保证数据都能被正确处理, 集群的高可用架构,消费数据时如何处理重复数据或者丢失数据等问题,根据不同的业务场景,对数据的可靠性要求以及系统的复杂度的要求也会不同。这篇文章的目的只是带大家入个门,让大家对实时分析技术有一个简单的认识,并和大家一起做学习交流。
基于Storm Spark等Hadoop替代技术的实时应用
基于Storm Spark等Hadoop替代技术的实时应用,推荐大家分享!
基于storm的实时框架
核心的实时架构和基于storm的实时架构的设计. 一、实时的框架简介 背景 数据流计算来自于一个信念:数据的价值随着时间的流逝而降低,所以事件出现后必须尽快地对它们进行处理,最好数据出现时便立刻对其进行处理,发生一个事件进行一次处理,而不是缓存起来成一批处理。 核心架构 互联网上海量数据(一般为日志流)的实时计算过程可以被划分为以下三个阶段:数据的产生与收集阶段、传输
电商实时pv和 uv--storm实时方案
1 项目背景 :             做为电子商务的实时统计分析系统,如何对实时产生的日志进行统计和分析,将是目前 云商的一大热点。 2 系统流程:             如下表:                                   各个类型的的数据日志,包括,点击,点赞,购买,评论等消息生成来源,通过kafka日志收集
关闭