环境信息：Hadoop 2.7.2+HBase 1.2.2现象：下午前端的同事使用scan查询HBase数据，代码执行到Table.getScanner(scan)方法时卡住了，无法返回结果直到超时，查看控制台，出现如下报错：java.lang.NoClassDefFoundError：org.apache.hadoop.hbase.util.ByteStringer问题分析：...

说到HBase数据压缩，在HBase中有两种方式可以达到该目的，一个就是column family的compress，HBase支持none/snappy/lzo/lz4/gz等几种压缩方式来压缩数据，最后降低数据总量的大小；另一个是data block 的encoding，通过对data block中的KeyValue中key的相同部分进行处理来减少存储的占用，目前支持prefix/diff/f

前言随着大数据和人工智能行业的发展与成熟，各个行业各种业务场景下OLAP（联机分析处理）的需求越来越强；人工智能中的NLP（自然语言识别）的发展为文本分析以及全文检索带上了一个新的台阶，在这种背景下，作为上述两种需求的集大成者的elasticsearch的应用越来越广泛，elasticsearch中存储的数据也越来越多，在elasticsearch给我们带来很多便利的同时也带来了很多问题：查询数据

环境信息：CentOS 6.5现象：同事启动程序发现端口被占用，netstat查看之后发现如下现象：发现端口处于FIN_WAIT1状态以及CLOSE_WAIT状态，无法释放问题分析：FIN_WAIT1以及CLOSE_WAIT状态的原理以及产生的原因大家自行baidu，下面就说下怎么解决上述问题，释放端口FIN_WAIT1：1、sysctl -a |grep tc...

需求来源：客户现场redis内存飙升，由于无法远程连接客户现场环境，进而分析redis的内存中占用较大的key，无法进行问题精确定位，所以需要一个组件或者方法来查看redis内存占用大的key的列表，进而定位问题解决方案：依赖：redis持久化的rdb文件，以及开源的Redis Data Reveal（rdr）组件rdb文件：该文件有两个来源：redis配置的持久化策略，定期会生成一个rdb文件，

原文链接：https://blog.csdn.net/AaronLau_love/article/details/72864963 左侧栏，我的计算机，选择需要克隆的虚拟机，右键，管理->克隆点击下一步，选择虚拟机中的当前状态（如果有快照也可选择快照，方法是右键虚拟机，快照->拍摄快照），下一步，选择创建完整克隆（克隆一份独立的系统出来，需要较大的系统空间），填写虚拟机

前言说到elasticsearch，大家第一反应就是他是一款NOSQL数据库，既然是NOSQL数据库，则生产环境上必定是集群，由很多台服务器共同搭建而成。按照常理，分布式集群从搭建模式上分为中心化模式，即有主节点和从节点之分，即部分节点有成为主节点的资格，其余节点则只能是从节点，如Hadoop，HBase；另外一种模式是去中心化模式，即所有节点的角色都一样，任何一个节点都有可能成为主节点，如Zoo

前言在刚开始接触到K8S的时候，曾经遇到了一个卡住我两天的一个问题，情况就是我要创建一个三节点的zookeeper，但是创建后发现只有两个节点能够正常调度，有一个节点总是无法调度，如下图所示：当时一直通过日志想了解到底是哪里的问题，结果后来经高人指点才知道是K8S的亲和性以及污点造成的。具体的原因是zookeeper的yaml文件中由于亲和性的配置，导致zookeeper的实例一个节点上只能有一个

前言久闻K8S大名，受限于docker知识的欠缺，所以对K8S的探索一直处于逡巡不前的状态，这一拖就是好久，最近这段时间公司准备上K8S集群了，我被安排来负责这件事情的推进。终于有幸可以真正学习下K8S,一睹K8S的芳容了。由于之前缺乏必要的docker相关知识的储备，加上K8S本身内容复杂庞大，所以在学习的过程中费了很大的劲，走了很多弯路才勉强将基本流程搞通，能跑起来一整套服务，下面就根据我的学

Sealos 是一个 Go 语言开发的简单干净且轻量的 K8S 集群部署工具，Sealos 能很好的支持在生产环境中部署高可用的 K8S 集群。以上就是我这次去客户现场操作生产环境 K8S 的一点心得和经验，后续有新的内容我还会继续分享。这次的经历再次印证了只有在生产环境下真实的分析和解决问题，才会更深刻的学习知识并积累相关的经验。文章到这里就结束了，最后路漫漫其修远兮，大数据之路还很漫长。