1.聊聊 Spark 作业的 commit 提交机制 - Spark并发更新ORC表失败的问题原因与解决方法
2.快速将rmd文件转化为R纯代码文件，你喜欢吗？
3.如何更改 datax 以支持hive 的 DECIMAL 数据类型?
4.请大家介绍一下各种后缀,如ISO

聊聊 Spark 作业的 commit 提交机制 - Spark并发更新ORC表失败的问题原因与解决方法

       1. 并发更新ORC表问题

       在处理多个Spark作业并发更新同一ORC表时，部分作业可能会遇到问题，常见错误提示是由于某些临时文件缺失。具体表现为：

       2. 问题根源

       这种现象源于Spark在并发更新非分区ORC或分区ORC表，尤其是2019红包源码同一分区或不同分区的更新时的限制。这与Spark的两阶段提交机制密切相关，其内部实现细节影响了并发操作的兼容性。

       3. 解决方案局限性

       已有的解决方案各有利弊，但都存在一定的限制，例如：

       4. 技术背景 - 两阶段提交机制

       Spark作业采用两阶段提交策略，将任务或作业分成两个步骤提交，leap motion源码具体操作细节如下：

       5. 相关源码与参数

       深入研究Spark的源码，以及调整合适的参数设置是解决问题的关键。

       6. 并发插入非分区表

       在非分区表的插入场景，需要考虑如何优化作业执行顺序以避免冲突。

       7. 并发插入分区表

       对于分区表，无论是静态还是动态分区，都需要谨慎处理并发插入不同分区的策略。

       8. 动态与静态分区结合

       尝试使用动态分区结合静态分区的策略，可能需要对数据进行合理的切分和分发。

       9. 数据源选择

       使用Hive的serde而不是Spark内置的data source writer，可能有助于减轻并发问题。画皮世界源码

       . 清理临时目录

       确保清理临时目录以避免文件冲突，这在配置参数中不可忽视。

快速将rmd文件转化为R纯代码文件，你喜欢吗？

       在生物信息学领域，R语言因其在数据处理方面的优势深受青睐。初学者通常只需短短三五天就能掌握基础知识，但深入理解和实践则需要大量阅读和实践R包文档，这些文档通常以rmd文件的形式呈现，例如scReprtoier的Seurat教程，内容详尽且需要一步步跟随文档进行代码复制和运行，以理解如Interacting with Single-Cell Objects等技巧。地图插件源码

       实际上，每个rmd文件的背后都有对应的源代码，这些源代码在GitHub上很容易找到，例如在github.com/ncborcherding/...。然而，rmd文件的内容繁多，直接复制粘贴代码操作繁琐。有位团队成员推荐了一种方法，即使用knitr::purl将rmd文件转换为R纯代码文件，注释内容变为井号，便于在处理示例数据时直接运行，仿真源码csdn无需频繁粘贴。

       然而，这个转换方式引发了一个讨论：是选择自己逐个单元地从rmd文件中复制粘贴代码，通过逐步运行和理解来深入学习，还是利用knitr::purl快速转化为R代码更高效？这取决于个人的学习习惯和需求。我们欢迎您的参与，给出您的看法和选择。

如何更改 datax 以支持hive 的 DECIMAL 数据类型?

       在处理数据时，我们经常需要将数据从一种数据类型转换为另一种数据类型。在数据迁移任务中，如果涉及到使用datax进行数据迁移，且源数据或目标数据中出现了Hive的DECIMAL数据类型，那么如何确保数据迁移的准确性和完整性就成为了一个关键问题。本文将详细介绍如何更改datax以支持Hive的DECIMAL数据类型。

       在JAVA中，主要使用float/double和BigDecimal来存储小数。其中，float和double在不需要完全精确的计算结果的场景下，可以提供较高的运算效率，但当涉及到金融等场景需要精确计算时，必须使用BigDecimal。

       Hive支持多种数字类型数据，如FLOAT、DOUBLE、DECIMAL和NUMERIC。DECIMAL数据类型是后加入的，允许设置精度和标度，适用于需要高度精确计算的场景。

       若要使datax支持Hive的DECIMAL数据类型，关键在于修改datax源码，增强其对DECIMAL数据的读取和写入能力。主要通过以下几个步骤：

       1. **修改HDFS Reader**：在处理Hive ORC文件时，需要修改HDFS Reader插件中的相关类和方法，如DFSUtil#transportOneRecord。通过该步骤，确保能正确读取到ORC文件中的DECIMAL字段。datax的Double类型可以通过其内部的rawData字段存储数据的原始内容，支持Java.math.BigDecimal和Java.lang.Double，因此可以实现不修改HDFS Reader代码，直接读取并处理DECIMAL数据的目标。配置作业时，将Hive的DECIMAL字段指定为datax的Double类型，HDFS Reader在底层调用Hive相关API读取ORC文件中的DECIMAL字段，将其隐式转换为Double类型。datax的Double类型支持Java.math.BigDecimal和Java.lang.Double，确保后续写入操作的精度。

       2. **修改HDFS Writer**：为了支持写入数据到Hive ORC文件中的DECIMAL字段，同样需要在HDFS Writer插件中进行相应的代码修改。修改后的代码确保能够将datax的Double字段正确写入到Hive ORC文件中的DECIMAL字段。使用方法com.alibaba.datax.common.element.DoubleColumn#asBigDecimal，基于DoubleColumn底层rawData存储的原始数据内容，将字段值转换为合适的外部数据类型。这一过程不会损失数据精度。

       综上所述，通过修改datax的HDFS Reader和Writer插件，实现对Hive DECIMAL数据类型的读取和写入支持，确保数据迁移过程的准确性和完整性，从而满足复杂数据迁移场景的需求。

请大家介绍一下各种后缀,如ISO

       Windows 常见文件扩展名和说明

       A

       ACE：Ace压缩档案格式

       ACT：Microsoft office助手文件

       AIF，AIFF：音频互交换文件，Silicon Graphic and Macintosh应用程序的声音格式

       ANI：Windows系统中的动画光标

       ARC：LH ARC的压缩档案文件

       ARJ：Robert Jung ARJ压缩包文件

       ASD：Microsoft Word的自动保存文件；Microsoft高级流媒体格式（microsoft advanced streaming

       format，ASF）的描述文件；可用NSREX打开 Velvet Studio例子文件

       ASF：Microsoft高级流媒体格式文件

       ASM：汇编语言源文件，Pro/E装配文件

       ASP：动态网页文件；ProComm Plus安装与连接脚本文件；Astound介绍文件

       AST：Astound多媒体文件；ClarisWorks“助手”文件

       Axx：ARJ压缩文件的分包序号文件，用于将一个大文件压至几个小的压缩包中（xx取-的数字）

       A3L：Authorware 3.x库文件

       A4L：Authorware 4.x库文件

       A5L：Authorware 5.x库文件

       A3M，A4M：Authorware Macintosh未打包文件

       A3W，A4W，A5W：未打包的Authorware Windows文件

       B

       BAK：备份文件

       BAS：BASIC源文件

       BAT：批处理文件

       BIN：二进制文件

       BINHex：苹果的一种编码格式

       BMP：Windows或OS/2位图文件

       BOOK：Adobe FrameMaker Book文件

       BOX：Lotus Notes的邮箱文件

       BPL：Borlard Delph 4打包库

       BSP：Quake图形文件

       BUN：CakeWalk 声音捆绑文件(一种MIDI程序)

       C

       C0l：台风波形文件

       CAB：Microsoft压缩档案文件

       CAD：Softdek的Drafix CAD文件

       CAM：Casio照相机格式

       CAP：压缩音乐文件格式

       CAS：逗号分开的ASCⅡ文件

       CCB：Visual Basic动态按钮配置文件

       CCH：Corel图表文件

       CCO：CyberChat数据文件

       CCT：Macromedia Director Shockwave投影

       CDA：CD音频轨道

       CDF：Microsoft频道定义格式文件

       CDI：Philip的高密盘交互格式

       CDM：Visual dBASE自定义数据模块文件

       CDR：CorelDRAW绘图文件；原始音频CD数据文件

       CDT：CorelDRAW模板

       CDX：CorelDRAW压缩绘图文件；Microsoft Visual FoxPro索引文件

       CFG：配置文件

       CGI：公共网关接口脚本文件

       CGM：计算机图形元文件

       CH：OS/2配置文件

       CHK：由Windows磁盘碎片整理器或磁盘扫描保存的文件碎片

       CHM：编译过的HTML文件

       CHP：Ventura Publisher章节文件

       CHR：字符集（字体文件）

       CHT：ChartViem文件；Harvard Graphics矢量文件

       CIF：Adaptec CD 创建器 CD映像文件

       CIL：Clip Gallery下载包

       CIM：SimCity 文件

       CIN：OS/2改变控制文件用于跟踪INI文件中的变化

       CLASS：Java类文件

       CLP：Windows 剪贴板文件

       CLL：Crick Software Clicker文件

       CLS：Visual Basic类文件

       CMD：Windows NT，OS/2的命令文件；DOS CD/M命令文件；dBASEⅡ程序文件

       CPI：Microsoft MS-DOS代码页信息文件

       CPL：控制面板扩展名，Corel颜色板

       CPP：C++代码文件

       CPR：Corel提供说明书文件

       CPT：Corel 照片-绘画图像

       CST：Macromedia Director Cast文件

       CUR：Windows光标文件

       D

       DBF：dBASE文件，一种由Ashton-Tate创建的格式，可以被ACT！、Lipper、FoxPro、Arago、Wordtech、Xbase和类似数据库或与数据库有关产品识别；可用数据文件（能被Excel

       æ‰“开）；Oracle 8.1.x表格空间文件

       DBX：DataBearn图像；Microsoft Visual FoxPro表格文件

       DCT：Microsoft Visual FoxPro数据库容器

       DCU：Delphi编译单元文件

       DCX：Microsoft Visual FoxPro数据库容器；基于PCX的传真图像；宏

       DIR：MacromediaDirector文件

       DLL：动态链接库

       DOC：FrameMaker或FrameBuilder文档；Word Star文档、Word

       Perfect文档、Microsoft：Word文档；DisplayWrite文档

       DOT：Microsoft Word文档模板

       DPL：Borland Delph 3压缩库

       DRV：驱动程序

       DRW：Micrografx Designer/Draw；Pro/E绘画文件

       DSF：Micrografx Designer VFX文件

       DSG：DOOM保存的文件

       DSM：Dynamic Studio音乐模块（MOD）文件

       DSP：Microsoft Developer Studio工程文件

       DSQ：Corel QUERY（查询）文件

       DST：刺绣机图形文件

       DSW：Microsoft Developer Studio工作区文件

       DTA：World Bank（世界银行）的STARS数据文件

       DTD：SGML文档类型定义（DTD）文件

       DTED：地面高度数字数据（图形的数据格式）文件

       DTF：Symantec Q&A相关的数据库数据文件

       DTM：DigiTrakker模块文件

       DUN：Microsoft拔号网络导出文件

       DV：数字视频文件（MIME）

       DWG：AutoCAD工程图文件；AutoCAD或Generic CADD老版本的绘图格式

       DXR：Macromedia Director受保护（不可编辑）电影文件

       E

       EDA：Ensoniq ASR磁盘映像

       EDD：元素定义文档（FrameMaker+SGML文档）

       EDE：Ensoniq EPS磁盘映像

       EDK：Ensoniq KT磁盘映像

       EDQ：Ensoniq SQ1/SQ2/Ks磁盘映像

       EDS：Ensoniq SQ磁盘映像

       EDV：Ensoniq VFX-SD磁盘映像

       EFA：Ensoniq ASR文件

       EFE：Ensoniq EPS文件

       EFK：Ensoniq KT文件

       EFQ：Ensoniq SQ1/SQ2/Ks文件

       EFS：Ensoniq SQ文件

       EFV：Ensoniq VFX-SD文件

       EMD：ABT扩展模块

       EMF：Windows增强元文件

       EML：Microsoft Outlook Express邮件消息（MIME RTC）文件

       EXE：可执行文件（程序）

       F

       FAV：Microsoft Outlook导航条

       FAX：传真类型图像

       FCD：虚拟CD-ROM

       FDF：Adobe Acrobat表单文档文件

       FLA：Macromedia Flash电影

       FND：Microsoft Explorer保存的搜索文件（Find applet）

       FON：系统字体

       FRT：Microsoft FoxPro报表文件

       FRX：Visual Basic表单文本；Microsoft FoxPro报表文件

       FXP：经Microsoft FoxPro编译的源文件

       G

       GDM：铃声、口哨声和声音板模块格式

       GetRight：GetRight未完成的下载文件

       GHO：Norton 克隆磁盘映像

       GID：Windows 全局索引文件（包括帮助状态）

       GIF：CompuServe位图文件

       GL：动画格式

       GRP：程序管理组

       H

       HEX：Macintosh BinHex2.0文件

       HLP：帮助文件；Date CAD Windows帮助文件

       HPP：C++程序头文件

       HQX：Macintosh BinHex 4.0文件

       HT：HyperTerminal（超级终端）

       HTM，HTML：超文本文档

       HTT：Microsoft超文本模板

       HTX：扩展HTML模板

       I

       ICO：Windows图标

       IDX：Microsoft FoxPro相关数据库索引文件；Symantec Q&A相关数据库索引文件；Microsoft Outlook Express文件

       IMG：GEM映像

       INF：信息文件

       INI：初始化文件；Mwave DSP Synth的“nwsynth.ini” GMS安装；Cravis Ultrasound bank安装

       INP：Oracle 3.0版或早期版本的表单源代码

       INRS：INRS远程通信声频

       INS：InstallShield安装脚本；X-Internet签字文件；Ensoniq EPS字簇设备；Cell/ⅡMAC/PC抽样设备

       INT：中间代码，当一个源程序经过语法检查后编译产生一个可执行代码

       IOF：Findit文档

       IQY：Microsoft Internet查询文件

       ISO：根据ISD 有关CD-ROM文件系统标准列出CD-ROM上的文件

       ISP：X-Internet签字文件

       IST：数字跟踪设备文件

       ISU：InstallShield卸装脚本

       IT：脉冲跟踪系统音乐模块(MOD)文件

       ITI：脉冲跟踪系统设备

       ITS：脉冲跟踪系统抽样，Internet文档位置

       IV：Open Inventor中使用的文件格式

       IVD：超过/微观数据维数或变量等级文件

       IVP：超过/的用户子集配置文件

       IVT：超过/表或集合数据文件

       IVX：超过/微数据目录文件

       IW：Idlewild屏幕保护程序

       IWC：Install Watch文档

       J

       J：Ricoh照相机格式

       JAR：Java档案文件（一种用于applet和相关文件的压缩文件）

       JAVA：Java源文件

       JAR：Java档案文件（一种用于applet和相关文件的压缩文件）

       JAVA：Java源文件

       JFF，JFIF，JIF：JPEG文件

       JPE，JPEG，JPG：JPEG图形文件

       JS：javascript源文件

       JSP：HTML网页，其中包含有对一个Java servlet的参考

       K

       KAR：卡拉OK MIDI文件（文本+MIDI）

       L

       LAB：Visual dBASE标签文件

       LBT，LBX：Microsoft FoxPro标签文件

       LDB：Microsoft Access加锁文件

       LHA：LZH更换文件后缀

       LOG：日志文件

       LZH：LH ARC压缩档案

       M

       M1V：MPEG相关文件(MIME"mpeg"类型)

       M3D：Corel Motion 3D动画文件

       M3U：MPEG URL（MIME声音文件）

       MAM：Microsoft Access宏

       MAQ：Microsoft Access查询文件

       MAR：Microsoft Access报表文件

       MBX：Microsoft Outlook保存email格式；Eudora邮箱

       MCW：Microsoft Word的Macintosh文档

       MDB：Microsoft Access数据库

       MDN：Microsoft Access空数据库模板

       MDW：Microsoft Access工作组文件

       MID：MIDI音乐

       MMM：Microsoft多媒体电影

       MOV：QuickTime for Windows电影

       MP2：第二层MPEG音频文件

       MP3：第三层MPEG音频文件

       MPA：MPEG相关文件，MIME“mpeg类型”

       MPE，MPEG，MPG：MPEG动画文件

       MPP：Microsoft工程文件；CAD绘图文件格式

       MPR：Microsoft FoxPro菜单（已编译）

       MSI：Windows 安装器包

       MSN：Microsoft 网络文档；Descent Mission文件

       O

       OBD：Microsoft Office活页夹

       OBJ：对象文件

       OBZ：Microsoft Office活页夹向导

       OCX：Microsoft对象链接与嵌入定制控件

       ODS：Microsoft Outlook Express邮箱文件

       OFT：Microsoft Outlook模板

       OPX：OPL扩展DLL（动态链接库）

       OSS：Microsoft Office查找文件

       OST：Microsoft Exchange / Outlook 离线文件

       P

       PAL：压缩文件

       PART：Go！Zilla部分下载文件

       PAS：Pascal源代码

       PCS：PICS动画文件

       PDF：Adobe Acrobat

       å¯å¯¼å‡ºæ–‡æ¡£æ ¼å¼æ–‡ä»¶ï¼ˆå¯ç”¨Web浏览器显示）；Microsoft系统管理服务器包定义文件；NetWare打印机定义文件

       PHP，PHP3：包含有PHP脚本的HTML网页

       PHTML：包含有PHP脚本的HTML网页；由Perl分析解释的HTML

       PM5：Pagemaker 5.0文件

       PM6：Pagemaker 6.0文件

       PPS：Microsoft Powerpoint幻灯片放映

       PPT：Microsoft Powerpoint演示文稿

       PRF：Windows系统文件，Macromedia导演设置文件

       PSD：Adobe photoshop位图文件

       PSM：Protracker Studio模型格式；Epic游戏的源数据文件

       PST：Microsoft Outlook个人文件夹文件

       PWL：Windows 口令列表文件

       Q

       QIF：QuickTime相关图像（MIME）；Quicken导入文件

       QT，QTM：QuickTime电影

       QTI，QTIF：QuickTime相关图像

       QTP：QuickTime优先文件

       QTS：Mac PICT图像文件；QuickTime相关图像

       QTX：QuickTime相关图像

       R

       RA：RealAudio声音文件

       RAM：RealAudio元文件

       RAR：RAR压缩档案（Eugene Roshall格式）

       REC：录音机宏；RapidComm声音文件

       REG：注册表文件

       REP：Visual dBASE报表文件

       RES：Microsoft Visual C++资源文件

       RM：RealAudio视频文件

       RMF：Rich Map格式（3D游戏编辑器使用它来保存图）

       ROM：基于盒式磁带的家庭游戏仿真器文件（来自Atari 、Colecovision、Sega、Nintendo等盒式磁带里的ROM完全拷贝，在两个仿真器之间不可互修改）

       Rxx：多卷档案上的RAR压缩文件（xx=1～间的一个数字）

       S

       SAV：游戏保存文件

       SB：原始带符号字节（8位）数据

       SBK：Creative Labs的Soundfont 1.0 Bank文件；(Soundb laster)/EMU SonndFont v1.x Bank文件

       SBL：Shockwave Flash对象文件

       SCF：Windows Explorer命令文件

       SCH：Microsoft Schedule+1

       SCP：拨号网络脚本文件

       SCR：Windows屏幕保护；传真图像；脚本文件

       SFX：RAR自解压档案

       SHTML：含有服务器端包括（SSI）的HTML文件

       SPL：Shockwave Flash对象；DigiTrakker抽样

       SQL：Informix SQL查询；通常被数据库产品用于SQL查询（脚本、文本、二进制）的文件扩展名

       STM：.shtml的短后缀形式，含有一个服务端包括（SSI）的HTML文件；Scream Tracker V2音乐模块（MOD）文件

       STR：屏幕保护文件

       SWA：在Macromedia导演文件（MP3文件）中的Shockwave声音文件

       SWF：Shockwave Flash对象

       SYS：系统文件

       T

       T：Commodore 仿真器磁带映像文件

       THEME：Windows 桌面主题文件

       TIF，TIFF：标签图像文件格式（TIFF）位图

       TMP：Windows临时文件

       TRM：终端文件

       TXT：ASCⅡ文本格式的声音数据

       TZ：老的压缩格式文件

       V

       VBA：VBase文件

       VBP：Microsoft Visual Basic工程文件

       VBW：Microsoft Visual Basic工作区文件

       VBX：Microsoft Visual Basic用户定制控件

       VQE，VQL：Yamaha Sound-VQ定位器文件

       VQF：Yamaha Sound-VQ文件（可能出现标准）

       VRF：Oracle 7配置文件

       VSL：下载列表文件（GetRight）

       W

       WAB：Microsoft Outlook文件

       WAD：包含有视频、玩家水平和其他信息的DOOM游戏的大文件

       WAL：Quake 2正文文件

       WAV：Windows波形声形

       WBK：Microsoft Word备份文件

       WFM：Visual dBASE Windows表单

       WFN：在CorelDRAW中使用的符号

       WIZ：Microsoft Word向导

       WRL：虚拟现实模型

       WWL：Microsoft Word内插器文件

       X

       XLK：Microsoft Excel备份

       XLL：Microsoft Excel内插器文件

       XLM：Microsoft Excel宏

       XLS：Microsoft Excel工作单

       XLT：Microsoft Excel模板

       XLV：Microsoft Excel VBA模块

       XLW：Microsoft Excel工作簿/工作区

       Z

       ZAP：Windows软件安装配置文件

       ZIP：Zip文件

       å…¶å®ƒ

       -：用于为老版本（或备份）文件编号（比如：被安装程序改变的CONFIG.SYS文件）；又可用于为小范围的PC应用程序的多个用户相关数据文件编号

       M：Lotus 1-2-3 SmartMaster文件

       ï¼šLotus 1-2-3 文件

       2D：VersaCAD的2维绘画文件

       2GR，3GR：在Windows之下的VGA图形驱动程序/配置文件

       ï¼šåœ¨æˆ–更高级处理器上使用的文件

       3D：VersaCAD的3维绘画文件

       3DM：3D NURBS建模器，Rhino

       3DS：3D Studio（DOS下）格式文件

       ï¼šåœ¨æˆ–更高级处理器上使用的文件

       4GE：Informix 4GL编译后代码

       4GL：Informix 4GL源代码

       ï¼šComposer ；UNIX Composer音乐模型文件；磁道模块

       # 及更高的号：为计算机演示而扫描的一系列电影的图片文件编号方法

       $$$：OS/2用来跟踪档案文件

       @@@：用于安装过程中的屏幕文件和用于Microsoft Code view for C这样的应用程序的指导文件