（共有三台虚拟机node1,node2,node3)其中node1为主节点即为运行namenode和resourcemanager。最后可以在浏览器输入node1:8088进入网页可以更直观的看到我们的yarn是怎么运行的。yarn --daemon start +各进程名称进行启动。至此完成mapreduce,yarn集群完成配置。将我们配置好的文件复制到node2,node3。大家可以自己操作

无法加载主类 MRAppMaster，表明YARN未找到MapReduce的ApplicationMaster类。3.重新输入代码，解决问题。

这个问题是因为，你有使用ZKFC，即你有zookeeper，但是在你打开虚拟机开始运行各个组件的时候没有先开启zookeeper，而是先开启了Hadoop。先关闭全部集群服务，然后再次启动的时候记得先开启zookeeper，再开启Hadoop集群。

方法需要传入的参数是接口MapFunction的实现；map是大家非常熟悉的大数据操作算子，主要用于将数据流中的数据进行转换，形成新的数据流。简单来说，就是一个“一一映射”，消费一个元素就产出一个元素。可知 是将senseDS的数据经过（sense -> sense.getid())的表达式进行的输出。map是一个一对一的算子，也就是说输入一个数据那经过map算子之后也只会输出一个数据。下面的代码

可以看出我们代码的前几个步骤是相同的是首先获取执行环境，创建源算子，不同的是使用不同的转换算子，我们这篇文章主要是介绍filter算子也就是过滤算子，通过一个布尔条件表达式设置过滤条件，对于每一个流内元素进行判断，若为true则元素正常输出，若为false则元素被过滤掉。filter转换操作，顾名思义是对数据流执行一个过滤，通过一个布尔条件表达式设置过滤条件，对于每一个流内元素进行判断，若为tru

基于窗口的结束时间来设定延迟，其实并不需要等太久——因为我们是靠水位线的推进来触发定时器，而水位线的含义就是“之前的数据都到齐了”。而在等待过程中，之前已经到达的数据应该缓存起来，我们这里用一个自定义的HashMap来进行存储，key为窗口的标记，value为List。具体实现可以分成两步：先对每个vc统计出现次数，然后再将统计结果收集起来，排序输出最终结果。由于最后的排序还是基于每个时间窗口的，

本案例在文件中读取，上面是文件路径。

/1.建立分布式锁的结构。

上述示例中merchant_id是1的商家名称是商家A，总销售额是5000+4000 = 9000；【要求】：根据上述表格，查询出商家的总销售金额、总退款金额、平均满意度得分。【背景】：电商平台需要对商家的销售业绩、退款情况和客户满意度进行综合评估，以确定优秀商家和需要改进的商家。2|商家 B|14000.00|1500.00|75.00。1|商家 A|9000.00|1000.00|75.00。

基于窗口的结束时间来设定延迟，其实并不需要等太久——因为我们是靠水位线的推进来触发定时器，而水位线的含义就是“之前的数据都到齐了”。而在等待过程中，之前已经到达的数据应该缓存起来，我们这里用一个自定义的HashMap来进行存储，key为窗口的标记，value为List。具体实现可以分成两步：先对每个vc统计出现次数，然后再将统计结果收集起来，排序输出最终结果。由于最后的排序还是基于每个时间窗口的，