在使用clickhouse时，使用了alter查询的delete和update操作进行数据的删除和更新，当大量使用这类操作时，造成clickhouse服务无法连接，观察日志发现，出现了大量mutation的操作，严重占用clickhouse资源。经过研究，发现ALTER DELETE和UPDATE表数据的实现机制是mutations。对于MergeTree表，mutations机制的操作会重写整个

Phoenix JDBC Driver有两种，分别是Thick Driver。直接连接zookeeper和hbase。Thin Driver。构建在http服务之上的jdbc驱动。本文描述Thick Driver的使用方法。包含连接启用Kerberos的安全集群。连接说明根据Phoenix官网描述，使用Phoenix JDBC连接HBase集群的方法如下：Connection conn = Dri

使用目标用户登录gateway01.bigdata.zxxk.com主机，例如xingweidong，执行以下命令：ipa-getkeytab -s utility1.bigdata.zxxk.com -p xingweidong@BIGDATA.ZXXK.COM -k ./xingweidong.keytab --password输入密码即可获取keytab文件。参数说明参数说明示例值-sFre

CDH集群，启用了Kerberos（使用FreeIPA管理），没有启动防火墙。根据公司运维要求，需要启用防火墙。由于端口太多，而且还有动态端口，所以设置了防火墙策略，每个节点对其他节点开放指定范围的端口，节点上运行的服务不同，对其他节点开放的端口范围也不同，这个需要自己测试调整。在设置防火墙策略时，出现了zookeeper服务无法启动的问题，报错如下：2021-01-05 13:14:46,382

在开发一个功能或者修复一个bug时，有时会commit多次代码，这时为了commit历史的完美，会想将多个commit合并为一个，想要实现这个目标，就需要用到，下面记录操作方法，留作笔记。

在模式识别，数据挖掘，机器学习等领域，距离度量和相似度度量有着很广泛的应用，对这些度量算法有一定程度的理解，可以帮助我们更好的处理和优化在这些领域遇到的问题。距离度量算法和相似度度量算法是基础算法，经常被用在其他更高级的算法中。比如K最近邻（KNN）和K均值（K-Means）可以使用曼哈顿距离或者欧式距离作为度量方法。本文介绍一些常见的距离度量算法和相似度度量算法。算法定义描述，部分内容摘自百度百

spark-submit提交python任务，使用指定的python环境参考spark Configuration，有如下描述：配置描述spark.pyspark.driver.pythonPython binary executable to use for PySpark in driver. (default is spark.pyspark.python)s...

清理分支时，不小心删除了还没合并进主分支的特性分支，最终使用git恢复分支的方法成功找回代码。这里直接使用参考文章内容进行说明，作为笔记备份。以下内容摘自 https://www.jianshu.com/p/8f8b264846961，找到该分支的最后一次提交的commitId，在gitlab的activity菜单：2, 在项目代码文件夹中打开git，执行 git checkout -b bran

Java连接HBase的方法，包含Kerberos认证。代码示例：package com.example.hbase.admin;import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.hbase.