Nifi 和 Kafka 现在都可以在 Cloudera 数据平台、CDP 公有云中使用。Nifi 擅长与一切对话，而 Kafka 是主流的消息总线，我只是想知道：

在 CDP 公共云中从 Apache Nifi 向 Kafka 生产/消费数据所需的最少步骤是什么

理想情况下，我会寻找适用于任何云的步骤，例如 Amazon AWS 和 Microsoft Azure。

我对遵循最佳实践并使用平台默认配置的答案感到满意，但如果有常见的替代方案，这些也是受欢迎的。

我需要调查不同“bindingCalled”事件中的两个函数。我想知道是否可以？

我正在研究一些 Puppeteer 支持的网站分析，并且确实需要在页面上列出所有事件。

使用“普通” JavaScript 很容易，所以我想我可以在 Puppeteer 中评估它并完成其他任务。

好吧 - 这并不容易，例如“getEventListeners”不起作用。所以下面的代码不起作用（但如果我采用被评估的代码，请将其复制到浏览器的控制台并运行 - 它运行良好）；

我已经进一步调查，看起来这在 Puppeteer 中不起作用，甚至尝试过使用好的旧 JQuery const events = $._data( element[0], 'events' );，但它也不起作用。

然后我偶然发现了 Chrome DevTools 协议（CDP），应该可以通过预先定义一个元素来获得它；

（来源：https ://github.com/puppeteer/puppeteer/issues/3349 ）

但是当我想检查每个 DOM 元素的事件并将它们添加到数组时，这看起来太复杂了。我怀疑有比循环页面元素并为每个元素运行 CDP 更好的方法。或者更好地说-我希望:)

有任何想法吗？

我只想拥有一个包含（JS）事件的所有元素的数组，例如：

$dayjob 具有用于集成的无头 chrome 工具。这是定制的（不要问）。

目前，此工具通过控制台 API（Runtime.consoleAPICalled事件）使用标记值将信息向下发送到控制进程。与前哨值一样，系统的“正常”日志经常与“元”调用发生冲突，从而将控制进程置于不正确的状态。

我尝试浏览文档但找不到任何东西，所以在这里询问：是否有更好、更清洁的通道可用于将数据发送回控制器？或者是唯一的选择，使哨兵值更加精细，希望最终不再有任何冲突？

我们在之前的 HDP 环境中测试过的所有用例都可以工作，所以每当我尝试在 hive 中编写 csv 数据帧时，我们都想将其转移到 CDP，它给了我这个错误。我已经尝试了所有将 csv 存储在 HDFS 数据帧中的库。我打印了 DF 的模式及其正确的。

如果我创建如下所示的 pyspark 数据框，该 pyspark 数据框会占用 CDSW 内存（如 pandas 数据框）吗？还是会从 CDP 中获取内存？

在创建如下所示的大型 pyspark 数据框时，我遇到了内存问题。

我目前正在使用tcpdump -nv -s 1500 ether dst 01:00:0c:cc:cc:cc -c 1 -i eth0从连接的以太网电缆获取 CDP 信息。但是，似乎输出是相同的，无论端口设置为在 vlan 5 上访问，还是与本机 vlan 5 建立中继。

如何判断是连接到中继 (.1q) 端口还是接入端口？

我有一个 HDP hadoop 集群。我从该集群中拍摄了 phoenix 表的快照，并将该表克隆到 CDP 集群。Hbase 表是从快照创建的，并且 hfiles 被导入到表的数据目录中。从 phoenix shell 中选择表时，显示的数据为空。如果我从hbase shell正在显示（编码）的数据中进行扫描操作。有没有解决这个问题的方法。谢谢

我有一张包含超过 140 亿条记录的表（比如 Table_A）。现在，我创建了一个分桶表（Table_A_bkt），其中包含按 ID 列聚类的 100 多个桶。每当我尝试将记录插入此表时，都会花费更多时间并且作业会超时。

为表选择存储桶计数的理想解决方案是什么？另外，将记录插入具有大量数据集的分桶表的优化方法是什么？

我们有 SQL Server 2016，其中有一varbinary列包含压缩的 XML。现在我们想通过解压缩将数据加载到 cdp hive (Hive 3.1.3000) 表中。

最初我们使用 java 实用程序来解压缩和膨胀数据，但现在我们正在寻找一些替代方法，如 pyspark。

我们使用下面的 java 代码来膨胀数据：

我现在可以从数据帧中获取字节数组，如下所示：

请指导我如何从这个字节数组生成解压缩的 XML。