Kudu-1.7.0+cdh5.15.1

Kudu是Cloudera开源的列式存储系统，专为Hadoop生态系统设计。它支持常见的技术特性，并能在一般商用硬件上运行，实现了水平扩展和高可用性。

Kudu 采用了独特的存储架构，融合了行式存储和列式存储的优势。其核心组件包括： Tablet：数据存储的基本单元，类似于 Bigtable 中的 Tablet 或 HBase 中的 Region。每个 Tablet 包含多个 RowSet，并按主键范围进行分区。 RowSet：Tablet 中数据的组织单位，分为内存中的 MemRowSet 和磁盘上的 DiskRowSet。MemRowSet 负责处理写入操作，而 DiskRowSet 则负责存储历史数据。 Tablet Server：负责管理 Tablet，处理数据读写请求，并与 Master Server 进行通信。 Master Server：负责集群管理，包括元数据管理、负载均衡和故障恢复。 Kudu 的架构设计使其能够同时支持高效的随机读写和分析查询，适用于需要实时数据处理的场景。

Kudu入门：快速分析高速数据

Apache Flink是一个用于大规模分布式环境中高性能、可靠且容错的数据处理的开源流处理和批处理框架。它提供了一个统一的编程模型，可以处理无界流数据和有界批量数据，并支持事件时间和处理时间的语义。

Kudu Java 实战: 操控数据指南 这份指南将带您领略如何使用 Kudu Java 客户端进行数据库基础操作，包括： 连接 Kudu 集群: 建立与 Kudu 集群的安全连接，为数据操作打下基础。 创建 Kudu 表: 定义表结构，包含列名、数据类型和主键等信息，构建数据存储的框架。 插入数据: 将数据写入 Kudu 表中，支持单条插入和批量插入操作。 查询数据: 使用灵活的查询语句检索 Kudu 表中的数据，满足各种数据分析需求。 更新数据: 修改 Kudu 表中已有的数据，保持数据实时更新。 删除数据: 从 Kudu 表中移除不需要的数据，确保数据有效性和一致性。 通过学习这份指南，您将掌握 Kudu Java 客户端的基本用法，为构建高效可靠的大数据应用打下坚实基础。

对flume-ng-core-1.7.0.jar进行了修改，改为按文件读取而非按行读取。使用时，只需将修改后的文件替换到flume安装目录下的lib文件夹中。

在Hadoop生态系统中，现存的数据输入和分析解决方案有限且效率不高。Apache Kudu基于列的数据存储技术，提供了解决快速输入和快速分析之间平衡的方法。

分享自编译的 CDH Hadoop 2.6.0-cdh5.16.2 版本，已集成 Snappy 压缩支持。

这份指南汇集了个人在 CDH 部署和安装过程中的经验和心得。希望能帮助到正在探索 CDH 的朋友们，也欢迎大家提出宝贵意见，共同进步。