Parquet仅仅是一种存储格式，它是语言、平台无关的，并且不需要和任何一种数据处理框架绑定，目前能够和Parquet适配的组件包括下面这些，可以看出基本上通常使用的查询引擎和计算框架都已适配，并且可以很方便的将其它序列化工具生成的数据转换成Parquet格式。
Spark SQL支持读写Hive，不过Hive本身包含了大量的依赖，这些依赖spark默认是没有的。如果Hive的依赖在Classpath中，那么Spark可以自动加载（注意Spark的worker节点也需要提供这些依赖）。默认配置Hive只需要把相关的hive-site.xml core-site.xml hdfs-site.xml 放到conf目录下即可。
众所周知，在大数据/数据库领域，数据的存储格式直接影响着系统的读写性能。spark是一种基于内存的快速、通用、可扩展的大数据计算引擎，适用于新时代的数据处理场景。
本节将概述 java.io 包。您将学习如何使用它的一些工具来收集和操作各种不同来源的数据。
在很多项目，特别是互联网项目，在使用MySQL时都会采用主从复制、读写分离的架构。为什么要采用主从复制读写分离的架构？如何实现？有什么缺点？让我们带着这些问题开始这段学习之旅吧！
这里面的truncate就是说当使用SaveMode.Overwrite的时候，设置truncate为true，就会对表进行truncate语句清理表，不再是删除表在重建表的操作。
微服务引擎 MSE 发布 2.0.4.0 版本，新版本主要在性能和可观测能力升大幅提升，也加固了安全性。性能方面，基于 Dragonwell 进行构建，服务发现和配置性能提升达 40%以上；可观测方面，提供了服务注册的轨迹推送能力及丰富的可观测指标；安全性方面，新增支持了 RAM 管控策略能力，进一步提高了安全性。
MySQL在实际工作时候的两种数据读写机制：对redo log、binlog这种日志进行的磁盘顺序读写，对表空间的磁盘文件里的数据页进行的磁盘随机读写
关注时代Java
