SparkSql离线日志分析:使用Scala语言开发
- 网站用户访问时间段分析
- 网站用户地址分布城市统计分析
- 对不规则数据进行剔除,抽取有用字段存入HDFS文件系统中
- 使用第三方工具ipdatabase进行ip地址的解析
使用SparkSql对需求进行分析并且存入关系型数据库中
数据可视化结果展示:使用Java Web开发
- 控制文件输出的大小:coalesce
- 并行度:spark.sql.shuffle.partitions(参数调优)
- 分区字段类型推测(在指定分区时可以设置为false,默认为true):spark.sql.sources.partitionColumnTypeInference.enabled(参数调优)