Arganzheng's Blog

stay hungry, stay foolish

数据模型和存储系统

数据模型维度 Key-Value Stores Redis Riak(Bitcask) LevelDB RocksDB LMDB Aerospike（个人感觉这个更像是RDB） HyperLevelDB HyperDex: (Sorted) Column-family Stores HBase Cassandra Document-oriented Databases MongoDB ElasticSearch Tabular ...

Posted by arganzheng | March 31, 2017

Titan使用过程CPU超高问题排查

今天灵聪这边在把数据灌入到Titan发现，Titan-Server速度非常慢，而且灌到1w多条的时候系统基本不响应了。整个过程Titan server的进程使用CPU非常高，一直徘徊在2000%左右。这其实是一个很常见的问题。思路很简单，找出哪个java线程占用了大量的CPU，查清楚耗时在哪里，依次解决就可以了。首先找到titan server的进程号，整个用top或者ps或者jps就可以简单快速的找到。然后查看其子线程的CPU信息： $ top -H -p 32763 top - 15:44:32 up 91 days, 20:14, 7 users, load average: 10.81, 10.77, 7.66 Tasks: 87 to...

Posted by arganzheng | March 24, 2017

ArangoDB的索引学习

ArangoDB索引概览 ArangoDB内建了很多索引结构，用于解决不同的应用场景（个人感觉有点过多了。。） Primary Index: 主键索引: _id, _key unsorted hash index 内存索引 Edge Index 边索引：_from, _to hash index 内存索引 Hash Index: 精确查询 unique hash index unique, sparse hash index non unique hash index ...

Posted by arganzheng | March 22, 2017

neo4j学习笔记

一、图模型——Labeled Property Graph Model A labeled property graph is made up of nodes, relationships, properties, and labels. Nodes contain properties. Think of nodes as documents that store properties in the form of arbitrary key-value pairs. In Neo4j, the keys are strings and the values are the Java string and primitive data types, ...

Posted by arganzheng | March 20, 2017

Kafka offset lag监控

利用NOAH的自定义脚本监控功能，写了一个脚本监控kafka的consumer offset lag，如果大于10000就报警。脚本如下： #!/bin/bash old_IFS=$IFS IFS=$'\n' # get all the consumer group of kafka group_list=`/home/work/kafka/bin/kafka-consumer-groups.sh --bootstrap-server localhost:8092 --list` for group in $group_list; do # get the offset lag of each group group_info=`/home/work/...

Posted by arganzheng | March 10, 2017

kafka broker间歇出现CLOSE_WAIT问题

使用kafka有一段时间了，偶尔会出现一些问题，比如Kafka集群的某个broker会突然卡住，排除发现改broker有大量的CLOSE_WAIT状态，而且Recv-Q有数据没有处理，猜测可能是client发送了请求数据，broker还没处理完，client退出了，broker再也不能处理完那些请求数据，所以不能发送FIN。这个情况已经出现过几次，重启就好了，但是为什么会出现这么多的CLOSE_WAIT原因一直未明。比较麻烦的是，该broker与ZK的heart beat并没有失败，所以ZK并不认为其挂掉了，因此也不会触发HA。 Kafka还有一个问题很蛋疼，每一个Consumer或者Broker的增加或者减少都会触发 Consumer Rebalance...

Posted by arganzheng | March 9, 2017

图存储引擎学习笔记

存储和索引有两种存储方式，一种是Index Free Adjacency，不依赖于索引，直接存储关联的物理位置（内存指针，磁盘文件偏移量），这类的产品有neo4j, Titian, OrientDB，Graph Engine(@Microsoft), etc。第二种是Index-Based Adjacency，使用各种索引实现图的检索功能，这类的产品有 FlockDB(@Twitter), Unicore & TAO(@Facebook)，3. ArangoDB, etc.。关于这两类存储方式的PK，可以参见Index Free Adjacency or Hybrid Indexes for Graph Databases。简单来说，Index ...

Posted by arganzheng | February 23, 2017

抓取学习笔记

知识图谱的很重要的原始数据来源还是来自于网站抓取的数据，网站抓取器就是我们常说的Spider。在互联网上爬来爬去，发现链接，抓取网页，这就是Spider整天做的事情。听起来很简单，但是实际上是困难重重的。 Spider有两个核心任务：选链调度和网页抓取。 Spider面临的主要问题有：压力计算、控制、流量分配：如何提升对外抓取友好度，减少被封禁。如何评估网站可承受的压力。如何在多用户之间，多种不同的抓取需求之间进行流量分配。抓取流量有限，需要根据预测合理调度，使收益最大化：链接发现：需要预测优先CHK哪些页面可能发现更多更好的新链接。待抓分级：需要在抓取之前预测...

Posted by arganzheng | January 25, 2017

使用supervisor进行进程监管

supervisor是一个python写的进程管理工具，可以监管进程的运行。它提供了进程挂掉自动重启功能，并且还有一个管理页面，可以看到监管的程序的运行状态，也可以直接在整个页面上对进程进行重启、关闭、查看日志等操作。安装安装比较简单，直接看官网，这里不赘述了。使用方法 supervisor的主要配置入口在supervisord.conf： [unix_http_server] file=/home/work/rdbin/kg/supervisor/run/supervisor.sock ; (the path to the socket file) ;chmod=0700 ; socked file mode (...

Posted by arganzheng | January 16, 2017

ElasticSearch存储相关

版本线上使用的是1.7.1版本，最新的ES版本是5.0，这个版本在功能和性能上做了很大的改进（Elasticsearch 5.0 新版本的特性与改进），所以我们也直接使用这个版本。风险是这个版本相对比较新，是十一月中旬才release的版本，可能会有一些不稳定，资料也会比较少。另外，因为太新，很多第三方插件，如head，bigdesk，等，都还没有追上。 Nodes、Index、Type、Shards & Replicas 1、Index or Type 根据ES的特性 Index VS Type 和 General recommendations，不同垂类还是建立在不同的索引下比较合适。 NO...

Posted by arganzheng | December 12, 2016