Flink 写入数据到Kafka 前言 通过Flink官网可以看到Flink里面就默认支持了不少sink，比如也支持Kafka sink connector（FlinkKaf...
发简信
IP属地：宁夏
-
Flink 写入数据到 Kafka -
Mac 在IDEA 部署flink 并编写第一个流式WordCount程序1、环境配置 Java 环境配置：https://www.runoob.com/java/java-environment-setup.html[https://link.z...
-
082-BigData-10HDFS上传与下载机制上一篇：081-BigData-09HDFS上传与下载 一、HDFS的数据流 1、HDFS写数据流程 1）客户端向namenode请求上传文件，namenode检查目标文件是...
-
Hive 调优总结，让 Hive 调优想法不再碎片化通过阅读比较多的 Hive 调优材料，并根据自己的实践，总结 Hive 调优如下，让 Hive 调优想法不再凌乱、碎片化，而是形成结构。 部分参考链接说明 本文参考的部分链接...
-
@jiangdaxia886 有的，这个就是读取excle的
python基于聚类的离群点检测方法
首先让我们了解一下理论知识： 聚类分析常常用于发现局部强相关的对象组，而异常检测是发现局部不与其他对象强相关的对象，因此，聚类分析经常用于离群点检测，而常用的检测方法主要有：...
-
数据仓库值事实表基础
事实表基本结构 操作性事件中产生的可度量数值，存储在事实表中，事实表肯定会包含外键，用来与维度表进行关联，也包含可选的退化维度键和日期/时间戳。查询请求的主要目标是基于事实表...
-
-
Druid官方文档翻译-集群部署
Druid具有高可用、高容错的特性。 本文将搭建一个简单的Druid集群，并且将会讨论如何进一步配置以满足您的需求。这个简单的集群只有Historical和MiddleMan...
-
数据仓库之高级事实表
事实表代理键 代理键可用作所有维度表的主键。不与任何维度关联的事实表代理键，是在ETL加载过程中顺次分配的，可用于作为事实表的唯一主键列；在ETL中，用作事实表行的直接标识符...
-
无监督的神经网络模型-自编码器
自编码器（简称AE）是一种无监督的神经网络模型，最初的AE是一个三层的前馈神经网络结构，由输入层、隐藏层和输出层构成，其核心的作用是能够学习到输入数据的深层表示。自编码器最初...
-
缓慢变化维的类型以及处理方式
类型0:原样保留 对维度属性值不会发生变化的，事实表以原始值分组。例如持久型标识符和日期维度的大多数属性 类型1：重写 维度行中原来的属性值被新值覆盖。类型1属性总是反映最近...
-
深度神经网络的优化和训练的难点
反向传播算法仍然是当前深度神经网络最受欢迎的模型最优化方法。 反向传播 反向传播有前向和后向两个操作构成，前向操作利用当前的权重参数和输入数据，从下往上（即从输入层到输出层）...
-
深度学习之时间递归神经网络
递归神经网络（RNN）分别是时间递归神经网络和结构递归神经网络。本文主要介绍时间递归神经网络。 Elman递归神经网络 前馈神经网络将信息从输入层，经过多个隐藏层处理最后到达...
-
深度学习之前馈神经网络
神经网络起源于生物神经元，学过生物的应该都知道生物神经元主要由细胞体、树突、轴突和突触4个部分构成。受生物神经元的启发，有了人工神经元模型，称之为M-P模型。 AN是神经网络...
-
-
如何在SSIS Package 中使用变量指定EXCLE 的文件名需求： 建立一个ssis package每天抽取放在文件夹下的EXCLE表，EXCLE的命名为当前的日期yyyymmdd 1,建立一个基本的数据流 2，创建一个全局变量，类型...