Hadoop分布式文件系统（HDFS）是Apache Hadoop使用的默认文件存储系统。 HDFS创建多个数据块副本，并将它们分布在整个集群中的数据节点上，以实现可靠的计算，并计算商用硬件上的大量数据。
我希望在启动 hdfs 命令时有更多日志。但是，我不知道如何指定日志级别，或者即使可以。 我测试了几种解决方案： Hadoop 2.7.0 文档 --log...
使用 apache hadoop 安装/配置 apache ambari 有问题吗？
我已经安装并配置了一个4节点的hadoop集群。现在我想用hadoop集群配置apache ambari，原因很明显，让hadoop管理更简单、更直观。 我是...
在 Hadoop HDFS 中，删除几个早于 x 天且名称中有空格的文件（不像 UNIX）
我在一个hadoop目录下有几十万个文件，我需要调试它们。我想删除超过 3 个月的文件，我正在尝试批量删除一千个文件...
如何使用 pyspark 编写 hive 分区表，并跳过相等的数据列？
在我的项目中，我使用带有pyspark的hadoop-hive。 我的表由此查询创建。 创建表 target_db.target_table( 标识字符串） 分区方式（ 用户名字符串， 类别 st...
在 scala 的 hdfs 文件中以逗号分隔格式存储数据帧的特定列值
我有一个数据框，其中只有一列包含 json 数据字符串。这个数据框的大小是 50M。我想将这个 json 字符串以逗号分隔的数组格式存储在指定的数字中......
我正在考虑用S3替换当前使用的Hadoop，但在此之前，我想知道是否可以更新已经写入S3的数据。 Hadoop as HDFS，你只写一次，读很多......
我正在寻找将 HDFS 目录导出到远程服务器（到普通文件系统）的解决方案。我对两台服务器（本地和远程）都有 sudo/root 访问权限。要导出的文件大小约为 3TB ...
HDFS 上带有 Parquet 数据的 AutoFaiss - OSError：仅对可搜索文件有效
我正在尝试使用 autoafaiss 从以 Parquet 格式存储在 HDFS 中的数据集中生成 ANN 索引。运行 build_index 函数时，我遇到一个错误，指出“OSError:...
如果文件是由不同用户创建的，如何统计一个公共集群上的文件数量和文件大小？即一个用户创建了10个文件，另一个用户创建了20个，第一个的大小是2GB，
我有一张表，在一个双精度字段中有“NaN”。我只是想计算有多少项目是“NaN”： 从表中选择计数（*） 其中 col = 'NaN' AnalysisException：DOUBL 类型的操作数...
我们有一些 csv 格式如下 hash_id c1 c2 c3 其中 hash_id 是一个字符串，c1 c2 和 c3 是整数列表，0 或 1。 理想情况下，我们希望将其编码为一个 numpy 数组，...
我们有将配置文件上传到 HDFS 的代码： 从 hdfs 导入 InsecureClient def upload_file_to_hdfs（local_path，remote_path）： client = InsecureClient(url='http://hdfs_server:50070', user='...
Apache Beam 上的 Flink：找不到方案“hdfs”的文件系统实现
最近尝试将 s3 读取交换到 hdfs，在我的项目中具有以下依赖项： org.apache.beam ...
SparkStreaming或Flink应用的checkpoint路径不释放HDFS存储空间
应用实际数据与其使用空间不匹配。 hdfs dfs -du -h /landsat_flink_ha | grep G 42.9 K 89.3 G /landsat_flink_ha/application_1658448699056_990584 去里面...
你好，我在 hdfs 中实施了一项新技术，以增强存储、吞吐量和访问时间。 我需要测量 HDFS 上现有文件的读/写性能，我发现了这个基准测试 TestD...
DolphinDB 为什么分区是基于数据库而不是表？ 这样的设计有什么好处？
尝试将文件放入 hdfs 时出现此错误。 org.apache.hadoop.net.ConnectTimeoutException：60000 毫秒超时 等待通道准备好连接。频道： java.nio.chan...
在Hadoop中，如果我们没有设置reducer的数量，那么会创建多少个reducer？ 就像映射器的数量取决于（总数据大小）/（输入分割大小）， 例如。如果数据大小...
我想把我的项目django和HDFS连接起来存储数据 我想将我的项目 django 与 HDFS 连接起来存储数据，我该怎么做
jupyter python 笔记本中来自 hdfs 的 spark addJar
我们正在运行一个连接到 hdfs 和 spark 集群的 jupyter notebook。有些用户需要为我们不想为所有笔记本部署的用例使用 jar 库。所以我们不想添加这个