在应用里集成Mondrian时的Catalog位置问题

场景:在一个Webapp里集成Mondrian,按官方文档,Catalog位置(即cube文件所在路径)是这个样子的:

Catalog=file:demo/FoodMart.xml

但实际测试发现Mondrian无法找到这个文件,提示信息是“Virtual file is not readable”。如果把相对路径改为绝对路径则是可以的,例如:

Catalog=file:/c:/my/cube/folder/FoodMart.xml

绝对路径的问题是在不同开发部署环境下不太可能相同,所以还是得找其他办法。官方文档里没有写其他例子,按经验试试classpath协议(cube文件放在classpath下):

Catalog=classpath:/my/cube/resource/FoodMart.xml

在windows下居然成功了,其实Mondrian也是调用java.net.URL来获取资源的,所以能解释通。问题是,在linux下同样代码却不行,提示信息是“unknown protocal: classpath ”,两个开发环境都是JDK 1.7,没道理。(这个问题一直没解决)

后来查saiku(基于mondrian的一个开源BI软件)问题,发现还可以用这种写法(链接1链接2):

Catalog=res:/my/cube/resource/FoodMart.xml

试了一下,在windows和linux下都顺利通过。前提依然是cube文件要放在classpath下。这也是目前使用的解决方案。

补充:还有一种方法是直接写http://开头的链接,这需要把cube文件暴露出来,感觉不如res:的干净。

Docker基本操作

在Docker里,container是image的实例,查看所有image和所有container的命令分别为:

# docker images //查看所有image
# docker ps //查看所有container,加-l参数表示最后一个创建的container

Dockerfile相当于image的源代码,从Dockerfile创建image的命令如下,其中tag是可选的一般填版本号,缺省值为“latest”

# docker build -t name:tag /path/of/dockerfile

启动一个image(从image创建一个新container并启动),以tomcat为例,-d表示后台运行,-p表示将8080端口映射到宿主机的8888端口,tomcat1是container名字,tomcat是image名字:

# docker run -d -p 8888:8080 --name tomcat1 tomcat

删除一个container,-f表示强制删除即使container在running状态:

# docker rm -f tomcat1

有时会遗留一些orphan的container和image,如果一直积累下去可能会占满硬盘空间。Docker没有提供专门的命令清理它们,可以考虑用下面的命令(参考链接):

# docker rm `docker ps --no-trunc -aq`
# docker images -q --filter "dangling=true" | xargs docker rmi

(待续)

Shell脚本编程中的若干注意事项

几个特殊变量

变量 含义
$$ Shell本身的PID(ProcessID)
$! Shell最后运行的后台Process的PID
$? 最后运行的命令的结束代码(返回值)
$- 使用Set命令设定的Flag一览
$* 所有参数列表。如”$*”用「”」括起来的情况、以”$1 $2 … $n”的形式输出所有参数。
$@ 所有参数列表。如”$@”用「”」括起来的情况、以”$1″ “$2” … “$n” 的形式输出所有参数。
$# 添加到Shell的参数个数
$0 Shell本身的文件名
$1~$n 添加到Shell的各参数值。$1是第1参数、$2是第2参数…。如果大于等于10序号要用花括号包起来,例如${10}

test命令

test命令用于检查文件类型和表达式(check file types and compare values),返回的结果放在“$?”里,结果为0表示true,结果不为0表示false。例如:

$ test "a" = "b"
$ echo $?
1

test命令可以用“[]”简写(注意[]里面要带有空格,否则提示command not found),后面加上&&符号则表示当表达式成立时执行后续操作。例如:

$ [ "a" = "a" ] && echo yes
yes

类似的,后面加上“||”则表示当表达式不成立时执行后续操作。

-z参数用来判断字符串是否为空,例如:

$ [ -z "" ] && echo yes
yes

还有一些类似的其他表达式参数,以及与文件相关的参数,可以man test查看。

(待续)

参考链接:

 

前端开发准备过程(node,npm)

以下环境为Ubuntu 14.10版本。

Nodejs

安装Nodejs

建议从nodejs网站下载二进制或源代码来安装,因为apt-get里的版本太旧了。

mkdir ~/nodejs
cd ~/nodejs
wget https://nodejs.org/dist/v4.5.0/node-v4.5.0-linux-x64.tar.xz
xz -d node-v4.5.0-linux-x64.tar.xz
tar xvf node-v4.5.0-linux-x64.tar
ln -s ~/nodejs/node-v4.5.0-linux-x64/bin/node /usr/local/bin/node
ln -s ~/nodejs/node-v4.5.0-linux-x64/bin/npm /usr/local/bin/npm

升级NPM

Node自带npm,npm是一个包管理器,最好用下面的命令升级一下(其中-g参数表示npm包是全局的,如果不加这个参数,表示是只限于当前项目的)。

npm install -g npm

安装NRM

npm官方的源在国内不是很稳定,可以使用nrm简化切换源的操作,nrm的使用方法很简单,可以看这个文章。主要就是nrm ls和nrm use这两条命令。

npm install -g nrm
ln -s ~/nodejs/node-v4.5.0-linux-x64/bin/nrm /usr/local/bin/nrm

参考链接:

待续

Hadoop之MapReduce开发

以经典的WordCount为例,介绍如何开发MapReduce程序,所使用的开发环境为Eclipse 4.3,Hadoop 2.6。

一、环境配置

首先在Eclipse里创建一个空的maven工程,然后编辑pom.xml文件引入hadoop所需依赖项。这里分两种情况,一般使用标准hadoop就够了;我这次由于集群环境使用的是CDH发行版,所以使用CDH提供的repository。

情况1:标准hadoop的pom配置:

<dependency>
 <groupId>org.apache.hadoop</groupId>
 <artifactId>hadoop-client</artifactId>
 <version>2.6.0</version>
</dependency>

情况2:CDH发行版的pom配置(参考cloudera blog的文章,全部版本号可以在这里看到):

<repositories>
 <repository>
 <id>cloudera-releases</id>
 <url>https://repository.cloudera.com/artifactory/cloudera-repos</url>
 <releases>
 <enabled>true</enabled>
 </releases>
 <snapshots>
 <enabled>false</enabled>
 </snapshots>
 </repository>
</repositories>

<dependency>
 <groupId>org.apache.hadoop</groupId>
 <artifactId>hadoop-client</artifactId>
 <version>2.6.0-mr1-cdh5.5.0</version>
</dependency>

二、编写代码

WordCount相当于MapReduce的HelloWord,基本上是一个最小的MapReduce程序,完整代码可以在Hadoop官网教程里找到,为方便查看复制如下,并添加了若干注释:

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {

  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    /**
    * 这里的value表示文件中的一行文本
    * 这里的key表示这行文本相对文件开头的偏移量
    */
    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    /**
    * 这里的values表示单词对应的计数值(即one)列表
    * 这里的key表示单词
    */
    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

mapper和recuder的代码看起来很简洁,实际上是因为hadoop为我们做了很多工作:

在调用map之前,hadoop会先将input目录中的文件切分为若干个FileSplit,对小文件每个文件就是一个FileSplit,对超过64M(hadoop的缺省块大小)的文件,每个文件会产生大于1个的FileSplit。

对每个FileSplit,hadoop再使用RecordReader处理为<key, value>对。

由于hadoop缺省使用TextInputFormat处理文件(见JobContextImpl#getInputFormatClass()方法),而TextInputFormat对应的RecordReader类型为LineRecordReader,因此处理的结果是按行的,具体来讲,是<偏移量, 一行文本>的形式。

以上是map阶段hadoop对数据的一些处理,更完整的mapreduce过程在这里先不详细展开了。

参考链接:

Git强制使用远程代码覆盖本地代码

一、若不想保留本地更改:

方法1

git reset --hard
git pull

方法2

git fetch --all  
git reset --hard origin/master 

其实上面两个方法是一样的,因为pull命令等于fetch+merge,所以经过reset以后的pull和fetch命令的效果没差别。

二、若还想保留本地更改:

git stash
git pull
git stash pop

stash是把当前工作目录下的修改(未commit的所有文件)暂存起来,stash pop是从暂存区里恢复这些修改。

参考:

Maven配置不同平台下的SWT依赖

通常在pom.xml里我们可以像对其他类库一样为项目引入SWT依赖:

<dependency>
 <groupId>org.eclipse.swt</groupId>
 <artifactId>org.eclipse.swt.win32.win32.x86_64</artifactId>
 <version>4.3</version>
</dependency>

但是SWT特殊在于,不同平台(platform)下需要使用不同的artifactId,例如上面的代码只适用于windows开发环境,在linux环境下可以编译但无法运行。

好在Maven支持根据os.family定义不同的属性值,所以我们可以像下面这样定义两个profile,然后让Maven自动选择合适的artifactId:

<profiles>
 <profile>
 <id>os_linux</id>
 <activation>
 <os>
 <family>unix</family>
 </os>
 </activation>
 <properties>
 <swt-artifactId>org.eclipse.swt.gtk.linux.x86_64</swt-artifactId>
 </properties>
 </profile>
 <profile>
 <id>os_windows</id>
 <activation>
 <os>
 <family>windows</family>
 </os>
 </activation>
 <properties>
 <swt-artifactId>org.eclipse.swt.win32.win32.x86_64</swt-artifactId>
 </properties>
 </profile>
</profiles>

<dependency>
 <groupId>org.eclipse.swt</groupId>
 <artifactId>${swt-artifactId}</artifactId>
 <version>4.3</version>
</dependency>

参考链接:

Pentaho Mondrian和数据分析(OLAP)

cubo

下载和安装Mondrian

Mondrian官方网站上的文档Installation部分似乎很久没更新了,例如文档里提到下载.zip格式的打包文件,实际上网站和sourceforge上都没有提供,只提供了.jar格式(网站提供版本为3.12.0.1),看起来已经转移到github了。经过实践,安装的方法如下:

继续阅读Pentaho Mondrian和数据分析(OLAP)