その他 オープンデータセット
## 役立ちそうなオープンデータセット
備忘録がてらまとめておく
- 【保存版】オープンデータ・データセット100選 -膨大なデータを活用しよう！
- 様々なオープンデータセット (GitHub)
その他 
impala Apache Impala ４.0 リリース！
Impala ４.0 released
ImpalaはMPPのクエリエンジンです。およそ3年振りとなるApache Impala のメジャーバージョンアップデートが行われました。
リリースノートをざっと眺めてみて、気になる変更点をピック...
未分類 Apache Mesos 終焉?
Apache Mesos
分散システムでは、複数のコンピュータのリソース（CPUやメモリ）の管理、スケジューリングを行う必要があります。一襟として、Apache Hadoop にもリソース管理が含まれ、 YARN コンポーネントがその役目...
hue Hueのまとめ 2020年版
Hue情報 2020年版
このブログは「Distributed computing (Apache Spark, Hadoop, Kafka, ...) Advent Calendar 2020」の23日目の記事です。
ここ数年間は1年...
impala Impala 4 でサポートされる予定のROLLUP、CUBE、GROUPING SETS
ついに（というかようやくというか）、Impala でも SQL2003 のCUBE, ROLLUP, GROUPING SETS 関数が利用できるようになるようです。
Hive、Presto、Spark SQL等のSQL on Had...
hive Impala, Hive, Presto, Spark のJOINに関するメモ
SQL on Hadoop でのJOIN時のテーブルの指定順序と挙動
結合の種類にもよりますが、複数のテーブルを結合する際、一つのテーブルを全てのワーカーノードに転送して行う場合があります。(Broadcast JOIN)
もちろん、統計情...
hdfs HDFS dfs サブコマンドのチートシート
以前に公開し、一番アクセスされている hdfs dfs のサブコマンドページの情報が古かったので、Hadoop３系で検証して全面的に書き直しました。
HDFS FSshell (hdfs dfs) コマンドのチートシートのPD...
hudi Apache Hudiに関する情報
2020/6/8 更新: Apache Hudi がApacheのトップレベルプロジェクトになりました
Apache Hudi はHDFSやオブジェクトストア上に実装される、大規模な分析データセットのストレージの取り込みと管理を行...
Docker HueからImpala+Kuduへの接続を全てDockerで行う
Kudu-ImpalaのDockerイメージを使うと、KuduやImpalaのインストールは不要で、ImpalaからSQLを用いてKuduにクエリを行うことができます。
ImpalaもKuduも、本来は数十〜数百ノードに分散してスケールアウ...
impala Apache Impala 3.4 リリース！
前回のリリースからだいぶ時間がかかった気がしますが、Impala 3.4 がリリースされました。
"To Impala 4 and beyond!" とあるので今後は Impala 4 に向けての開発が進んで行きそうですが、ver 3....