数据质量是什么，数据质量分析怎么做？

flume上传文件到hdfs上

Hadoop MapReduce处理海量小文件：基于CombineFileInputFormat

mapreduce中map方法一次读取整个文件

Hadoop源码解析之: TextInputFormat如何处理跨split的行

Hadoop YARN中内存和CPU两种资源的调度和隔离

MapReduce Job中全局共享数据的处理办法

Spark MLBase分布式机器学习系统入门：以MLlib实现Kmeans聚类算法

中文文本聚类（切词以及Kmeans聚类）

mapreduce top n

直接上代码了

Spark及其生态圈简介

运行第一个SparkStreaming程序

Spark快速入门指南 – Spark安装与基础使用

spark流数据处理：Spark Streaming的使用

TextRank算法提取关键词的Java实现

文本相似度计算

Hive Beeline使用

HIve的JavaAPI操作

Elasticsearch java api 基本搜索部分详解