编程

Python快速实现文件上传下载

使用Python下载文件

首先安装 Pyftpdlib 模块

1
pip install pyftpdlib

启动ftp服务器

1
python -m pyftpdlib -p 21  -w -d /data/transfer/ -u test -P suibian

在linux上安装ftp客户端

1
yum instal -y ftp

在linux下载ftp服务器上的数据

一直出现 227 Entering passive mode (192,168,85,81,143,77)
很可能是外网访问内网，
在其他的机器上访问可能就没问题。

pip: 未找到命令
使用which python找到python的路径
在Python路径中一般有pip或者pip3

参考 https://www.hi-linux.com/posts/10247.html

编程

Hive学习

在Spark配置hive的hive.metastore.uris

在spark的conf/hive-site.xml中配置

1
2
3
4
<property>
  <name>hive.metastore.uris</name>
  <value>thrift://hadoop3:9083</value>
</property>

hive.metastore.uris可以看cloudera manager的群集->Hive->实例：
Hive Metastore Server对应的服务器地址。

秒杀一切udf的reflect函数

hive新特性reflect函数介绍

Hive collect_set,concat_ws

collect_set 是 Hive 内置的一个聚合函数, 它返回一个消除了重复元素的对象集合, 其返回值类型是 array 。

1
select av_seq, concat_ws(',', collect_set(cp_seq)) from dw.smbrandcp group by av_seq;

Hive获取array数组长度

使用size(array)方法

1
select size(split(cook_ids)) from user_cook_recommed

java.io.IOException: Failed to run job : Application rejected by queue placement policy

有可能是没有使用正确的用户去执行hive命令，比如本该用hdfs用户的，但是却用root用户执行了。

为hive -e设置mapper数量和MapReduce的name

1
2
hive -e "set mapred.reduce.tasks=1; $insert_sql "
hive -e "set mapred.job.name=justtest; use eqxdb; select phone,count(1) from base_user group by phone limit 10;"

使用sqoop创建hive表

1
/bin/sqoop import -D mapred.job.name=sqoop_import_ods_yqc_earn_record  --connect jdbc:oracle:thin:@server1:1521:test --username 'root' --password '123'  --table EARN_RECORD --hive-import -m 1  --hive-drop-import-delims --hive-table ods.earn_record --hive-overwrite --where ' rownum < 1 '  --columns 'ID,AD_TASK_ID,USER_ID,EARN_XD,CREATE_TIME,PV,UV,SCENE_PV,SCENE_UV,CLICKS,SCENE_ID,AD_POSITION_ID,PUBLISHER_ID'  --map-column-hive PV=int,UV=int,SCENE_PV=int,SCENE_UV=int,CLICKS=int,ID=string,AD_TASK_ID=string,EARN_XD=string,SCENE_ID=string,AD_POSITION_ID=string,PUBLISHER_ID=string
编程

Spark知识

引入包

1
2
3
val spark = builder.getOrCreate()
import spark.implicits._
import org.apache.spark.sql.functions._

lit function is for adding literal values as a column。

1
2
import org.apache.spark.sql.functions._
df.withColumn("D", lit(750))

https://stackoverflow.com/questions/38587609/spark-add-new-column-with-the-same-value-in-scala/38588307

submit提交参数

添加额外的jar包
–jars /data/apps/publib/mysql-connector-java-5.1.38.jar

提交失败时查看日志

1
yarn logs -applicationId application_1520296293387_121203

在spark中读取hive表数据

warehouse=/user/hive/warehouse
metastore=thrift://hadoop001.iu.com:9083

1
2
3
4
5
6
7
8
9
10
11
12
13
14
val argsMap = LangUtil.parseCommandLineArguments(args)
val warehouse = argsMap.get("warehouse")
val metastore = argsMap.get("metastore")

val builder = SparkSession.builder()
  .config("spark.sql.warehouse.dir",warehouse)
  .config("hive.metastore.uris",metastore)
  .enableHiveSupport()
val spark = builder.getOrCreate()
import spark.implicits._

spark.sql("select * from d_pv where create_date='2018-06-07' limit 20 ").show(20,false)

spark.close()

提取字段中的部分值 regexp_extract

1
spark.sql(" select regexp_extract(url,'(http://store.hohode.com/scene-)(.*?)(\\\\.html)',2) product_id , d_i , cats.act act from (select explode(cats) cats , d_i from tracker )  ")

agg的使用

1
2
import org.apache.spark.sql.functions._
df.filter(" act = '"+btnType+"'  ").agg((sum("price"))).first().get(0)

为列命名

1
2
3
4
val lookup = Map("_1" -> "id","_2" -> "type","_3" -> "cookie_id")
val rlog = spark.read.textFile(path)
val rlog1 = rlog.map(_.split("#")).map(x=>(getSceneId(x(15)) ,x(21),x(3) ))
val rlog2 = rlog1.select(rlog1.columns.map(c => col(c).as(lookup.getOrElse(c, c))): _*)

错误1

Unable to find encoder for type stored in a Dataset. Primitive types (Int, String, etc) and Product types (case classes) are supported by importing spark.implicits._
可能是少了隐式转换

1
import sparkSession.implicits._

https://stackoverflow.com/questions/38664972/why-is-unable-to-find-encoder-for-type-stored-in-a-dataset-when-creating-a-dat

编程

Elasticsearch知识

elasticSearch(5.3.0)的评分机制的研究

lasticSearch 6.X 不再支持多个doc_type

###

mapping设置 [日期设置](https://zhuanlan.zhihu.com/p/34240906)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
PUT user/log/_mapping
{
    "properties": {
        "title": {
            "type": "text",
            "analyzer": "ik_max_word",
            "search_analyzer": "ik_max_word"
        },
        "content": {
            "type": "text",
            "analyzer": "ik_max_word",
            "search_analyzer": "ik_max_word"
        },
        "datetime": {
            "type": "date",
            "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
        }
    }
}

elasticsearch的keyword与text的区别（5.4）
keyword：存储数据时候，不会分词建立索引

text：存储数据时候，会自动分词，并生成索引（这是很智能的，但在有些字段里面是没用的，所以对于有些字段使用text则浪费了空间）。

编程

通过Shell命令行给钉钉发消息 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
#!/bin/bash
#script_name:alert_to_DingDing.sh

subject="$1"
message="$2"

token="faaf1acd861a395bfb58170e17043188734cf0a1edc0ac6034a68ee2c6664de0" 
ip=`/sbin/ifconfig -a|grep inet|grep -v 127.0.0.1|grep -v inet6|awk '{print $2}'|tr -d "addr:"`
hostname=`hostname`
body="$hostname[$ip]$message"

function sendMessageToDingding(){
        url="https://oapi.dingtalk.com/robot/send?access_token=${token}"
        UA="Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
 
        result=`curl -XPOST -s -L -H "Content-Type:application/json" -H "charset:utf-8" $url -d "
        {
        \"msgtype\": \"text\", 
        \"text\": {
                 \"content\": \"$1\n$2\"
                 }
        }"`
        echo $result
}
 
sendMessageToDingding $subject $body
编程

Linux在脚本中切换目录和用户 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
cd `dirname $0`
pwd
dir=$(pwd)
echo $dir
su - hdfs <<EOF

echo "start inner $(date)"
pwd
cd $dir
pwd
ls
#./sync.py
echo "end inner $(date)"

exit;
EOF

cd dirname $0 切换到脚本文件所在的目录。
dir=$(pwd) 将当前目录赋值给dir。

1
2
3
su - hdfs <<EOF
exit;
EOF

切换用户进行执行。
cd $dir 切换目录。

编程

Js网页截图

先看一个可以运行的示例(可能需要翻墙)：
example

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
<!DOCTYPE html>
<html>
    <head>
        <meta name="layout" content="main">
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />  
        <script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.8.3/jquery.min.js"></script>
        <script type="text/javascript" src="https://html2canvas.hertzen.com/dist/html2canvas.js"></script>
        <script type="text/javascript" src="http://hongru.github.io/proj/canvas2image/canvas2image.js"></script>
         
        <script  type="text/javascript" >
        $(document).ready( function(){
                $(".example1").on("click", function(event) {

                        html2canvas(document.querySelector("#capture")).then(canvas => {
                            document.body.appendChild(canvas);
                        });

                }); 

                $("#download").on("click", function(event) {
                        html2canvas(document.querySelector("#capture")).then(canvas => {
                            Canvas2Image.saveAsImage(canvas, canvas.width, canvas.height,"png","hello")
                        });

                });              
        });
         
        </script>
    </head>
    <body>
         
         <div id="capture" style="padding: 10px; background: #f5da55">
            <h3>这真是一个强大的工具</h3>
            <h4 style="color: #000; ">Hello world!</h4>
            <h3>这真是一个强大的工具</h3>
        </div>
        <input id="download" type="button" value="下载">
        <input class="example1" type="button" value="截图">
        生成界面如下：
    </body>
</html>

由于官方的Canvas2Image代码不能设置下载的文件名,有人提了一个PR，但是好像没有合并到主分支，所以用的时候可以用那个可以设置下载图片文件名的分支,这是可以设置图片文件名的分支

下边的参考网页很重要

https://segmentfault.com/a/1190000011478657
https://html2canvas.hertzen.com/
设置图片文件名
网页截图、涂鸦的js库