Flink基本原理 Flink简介 Flink是一个批处理和流处理结合的统一计算框架，其核心是一个提供了数据分发以及并行化计算的流数据处理引擎。它的最大亮点是流处理，是业界最顶级的开源流处理引擎。 Flink最适合的应用场景是低时延的数据处理（Data Processing）场景

查看更多 →

资源以重启任务。 Container Container是YARN中的资源抽象，封装了某个节点上的多维度资源，如内存、CPU、磁盘、网络等（目前仅封装内存和CPU），当AM向RM申请资源时，RM为AM返回的资源便是用Container表示。YARN会为每个任务分配一个Contai

查看更多 →

工作负载伸缩原理 HPA工作原理 HPA（Horizontal Pod Autoscaler）是用来控制Pod水平伸缩的控制器，HPA周期性检查Pod的度量数据，计算满足HPA资源所配置的目标数值所需的副本数量，进而调整目标资源（如Deployment）的replicas字段。

查看更多 →

Autoscaling，可以根据历史数据提前进行扩缩容动作。 策略规则 基于指标（CPU利用率、内存利用率），对无状态工作负载的副本数进行弹性扩缩容。 基于周期（每天、每周、每月或每年的具体时间点），对无状态工作负载的副本数进行弹性扩缩容。 基于指标（CPU利用率、内存利用率）或周期（每天、每周、每月或每年的

查看更多 →

自动建表原理介绍 CDM 将根据源端的字段类型进行默认规则转换成目的端字段类型，并在目的端建数据表。 自动建表时的字段类型映射 CDM在 数据仓库 服务（Data Warehouse Service，简称DWS）中自动建表时，DWS的表与源表的字段类型映射关系如图1所示。例如使用CDM

查看更多 →

HBase基本原理 数据存储使用HBase来承接，HBase是一个开源的、面向列（Column-Oriented）、适合存储海量非结构化数据或半结构化数据的、具备高可靠性、高性能、可灵活扩展伸缩的、支持实时数据读写的分布式存储系统。更多关于HBase的信息，请参见：https://hbase

查看更多 →

Hive基本原理 Hive是建立在Hadoop上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。Hive定义了简单的类SQL查询语言，称为HQL，它允许熟悉SQL的用户查询数据。

查看更多 →

Group1与Consumer Group2中。 关于Kafka架构和详细原理介绍，请参见：https://kafka.apache.org/24/documentation.html。 Kafka原理 消息可靠性 Kafka Broker收到消息后，会持久化到磁盘，同时，To

查看更多 →

HetuEngine基本原理 HetuEngine简介 HetuEngine是自研高性能交互式SQL分析及数据虚拟化引擎。与大数据生态无缝融合，实现海量数据秒级交互式查询；支持跨源跨域统一访问，使能 数据湖 内、湖间、湖仓一站式SQL融合分析。 HetuEngine结构 HetuEn

查看更多 →

原因74300：单板上数据面CPU使用率超过告警阈值，数据面CPU使用率包含基础转发业务和其他数据面业务CPU使用率。 处理步骤 原因74299：在不区分业务的情况下，单板CPU利用率超过设定的过载门限。 执行display cpu-usage命令查看CPU使用率及其过载门限值。 如果CPU使用率高于过载门限值，则请执行步骤2。

查看更多 →

指定Roach备份时每个节点的并发进程，默认当前节点主DN数 + 1 1 cpu-cores 恢复参数 Roach启动多线程并发时，可以使用的CPU核数。 默认是1/2 cpu核数 logging-level 恢复参数 日志级别： FATAL（致命）：导致系统停止工作的、无法恢复的故障。该级别为最严重级别。 ERROR（错误）：重大错误。

查看更多 →

如何修改CPU的阈值？ SAP应用弹性伸缩安装后，默认CPU的阈值为85%，当CPU的使用率超过85%，自动扩展实例，根据实际业务可修改CPU的阈值，保障系统稳定运行。 操作步骤 登录公有云管理控制台。 在公有云管理控制台首页上，选择“服务列表 > 管理与部署 > 云监控”。 在左侧的导航栏，单击“告警

查看更多 →

CPU积分计算方法 什么是CPU积分 CPU积分是一种用来衡量 云服务器 计算、存储以及网络配置利用率的方式。云 服务器 利用CPU积分机制保证云服务器基准性能，解决超分云服务器长期占用CPU资源的问题。 使用CPU积分机制的 弹性云服务器 适用于平时CPU负载不高、但突发时可接受因积分不足

查看更多 →

。并行查询的基本实现原理是将查询任务进行切分并分发到多个CPU核上进行计算，充分利用CPU的多核计算资源来缩短查询时间。并行查询的性能提升倍数理论上与CPU的核数正相关，也就是说并行度越高能够使用的CPU核数就越多，性能提升的倍数也就越高。 下图是使用CPU多核资源并行计算一个表

查看更多 →

如何解决“源站服务器CPU使用率高达100%”问题？ 问题现象 网站遭受攻击，网站已接入WAF，但防护没起作用，源站服务器CPU使用率高达100%，怎么办？ 可能原因 网站可能遭受了CC攻击。 当发现网站处理速度下降，网络带宽占用过高时，很有可能已经遭受CC攻击，此时可查看Web

查看更多 →

Ranger基本原理 Apache Ranger提供一个集中式安全管理框架，提供统一授权和统一审计能力。它可以对整个Hadoop生态中如HDFS、Hive、HBase、Kafka、Storm等进行细粒度的数据访问控制。用户可以利用Ranger提供的前端WebUI控制台通过配置相关策略来控制用户对这些组件的访问权限

查看更多 →

ZooKeeper基本原理 ZooKeeper简介 ZooKeeper是一个分布式、高可用性的协调服务。在大数据产品中主要提供两个功能： 帮助系统避免单点故障，建立可靠的应用程序。 提供分布式协作服务和维护配置信息。 ZooKeeper结构 ZooKeeper集群中的节点分为三种

查看更多 →

若以上配置都正常，仍无法登录，请尝试在控制台重启裸金属服务器。重启操作会使服务器停止工作，从而中断业务，请谨慎执行。 重启后，请再次尝试远程连接裸金属服务器。 如果通过上述排查，仍然无法登录裸金属服务器，请记录资源信息和问题时间，然后新建工单，联系华为云技术支持。 父主题： 登录类

查看更多 →

。并行查询的基本实现原理是将查询任务进行切分并分发到多个CPU核上进行计算，充分利用CPU的多核计算资源来缩短查询时间。并行查询的性能提升倍数理论上与CPU的核数正相关，也就是说并行度越高能够使用的CPU核数就越多，性能提升的倍数也就越高。 下图是使用CPU多核资源并行计算一个表

查看更多 →

Used）中的最大值。如下图： 图1 工作负载成本计算原理 如：采样点1，Request CPU > Real Used CPU，Pod使用量取Request CPU值 采样点2，Request CPU < Real Used CPU，Pod使用量取Real Used CPU值 工作负载成本：该工作负载中所有Pod的成本总和。

查看更多 →

权限要求：需要管理员级别权限的账号导出包含必要访问凭证的文件。 采集原理：利用kspider工具进行数据采集。 vCenter采集 权限要求：需要管理员账号，该账号应具备对vCenter环境中所有虚拟机的完全访问权限。 采集原理：通过VSphere SDK提供的资源枚举能力，采集到资源的列表及详细数据。

查看更多 →