我对着官方文档自己翻译的。
Spark-Streaming 文档之性能调优性能优化 要想使你的Spark流处理应用能够获得更好地性能，你需要大量的优化工作。在这一节中，我们提供了许多配置和参数来对你的程序进行改进。首先你需要从两个方面出发来考虑优化...
发简信
IP属地：山西
-
-
@鼠标的翅膀 可能就是我写的
Spark-Streaming 文档之性能调优
性能优化 要想使你的Spark流处理应用能够获得更好地性能，你需要大量的优化工作。在这一节中，我们提供了许多配置和参数来对你的程序进行改进。首先你需要从两个方面出发来考虑优化...
-
Java并发编程高级篇(十一)：执行器之处理被拒绝的任务
我们知道在调用执行器的shutdown()方法后，再向执行器提交任务会被拒绝。执行器框架为我们提供了一个类RejectedExecutionHandler，来让我们自定义一些...
-
Java并发编程高级篇(十)：分离任务的执行和结果的处理
在之前的例子中，我们使用执行器框架都是在主类中提交任务，等待任务执行完毕后再去处理任务执行的结果。接下来我们打算将任务的提交和结果的处理都放置到线程中去执行。在每个任务内部提...
-
Java并发编程高级篇(九)：在线程之行结束后再做些什么
如果我们想要在线程执行结束后做一些事情，比如生成报表，发送通知邮件或者释放一些系统资源，FutureTask类给于我们最好的支持。 想要实现这种控制方式，我们不能直接把Cal...
-
Java并发编程高级篇(八)：在执行器中取消任务
前面我们已经学习如何把任务发送给执行器去执行，但是当我们想要取消一个已经发送给执行器的任务该怎么办呢。可以使用Future对象的cancel()方法。 首先我们创建一个任务线...
-
Java并发编程高级篇(七)：使用执行器周期性地执行任务
我们已经学习了如何利用执行器框架提供的ThreadPoolExecutor类的线程池来执行任务，而不用我们手动去创建线程。同时我们也学习了，如何使用ScheduledThre...
-
Java并发编程高级篇(六)：在执行器中延时执行任务
执行器框架提供了ThreadPoolExecutor类来执行Runnable和Callable任务。当任务被发送给执行器的时候，执行器会根据俄配合尽可能快地执行任务。但是如果...
-
Java并发编程高级篇(五)：运行多个任务并处理所有结果
执行器框架给我们提供了一个方法，让我们可以发送给执行器一个任务列表，并等待任务列表中的所有任务执行完毕。然后它将返回一个与任务列表对应的Future列表。 下面我们来看一下这...
-
Java并发编程高级篇(四)：运行多个任务并处理第一个结果
接下来，我们来模拟一个用户验证过程，提供两种验证机制，任何一种验证机制验证成功即可通过验证，而不用等两种验证机制都验证成功。 创建UserValidator类，它通过休眠一个...
-
Java并发编程高级篇(三)：执行器中执行任务并返回结果
执行器框架的优质之一是可以并发地执行任务，并将任务执行结果返回。要想实现这个功能，需要JDK中的两个接口。 Callable：这个接口带有一个call()方法，你可以在这个方...
-
Java并发编程高级篇(二)：使用固定大小线程执行器
使用Executors工厂类的newCachedThreadPool方法来创建的线程执行器，当执行器碰到没有可用线程的时候，执行器就会创建新的线程。这样，当大量的任务加入到线...
-
-
Java并发编程高级篇(一)：使用线程池执行器
使用执行器框架(Executor Framework)的第一步是创建执行器ThreadPoolExecutor对象。我们可以使用ThreadPoolExecutor提供的四个...
-
-
Spark-Steaming 文档之容错机制
容错机制 在这一节，我们要讨论一下Spark Streaming的容错机制。 背景知识 为了能够更好地理解Spark Streaming的容错机制，我们先来看下Spark R...
-
Spark-Streaming 文档之性能调优
性能优化 要想使你的Spark流处理应用能够获得更好地性能，你需要大量的优化工作。在这一节中，我们提供了许多配置和参数来对你的程序进行改进。首先你需要从两个方面出发来考虑优化...
-
Spark-Streaming 文档之基本概念概述 我们先来看看Spark官方文档对于Spark Streaming的定义：Spark Streaming是对Spark核心API的扩展，并且是一个具有可伸缩，高吞吐，容错...
