h3-py Python绑定。 有关API参考，请参见。 安装 从 ： pip install h3 从 ： conda config --add channels conda-forge conda install h3-py v3.6.1以后的新功能：我们将预构建的上传Linux / Mac / Windows的PyPI ，这可以避免许多以前的安装问题。 用法 >> > import h3 >> > lat , lng = 0 , 0 >> > resolution = 0 >> > h3 . geo_to_h3 ( lat , lng , resolution ) '8075fffffffffff' 样例画廊 浏览示例笔记本的集合，如果您有自己的示例或可视化文件，请随时贡献！ 我们还对API进行了简单的演练。 有关更多信息，请参见H3文档。 蜜蜂 我们在h3-py

flink-shaded-hadoop-3-uber-3.1.1.7.2.9.0-173-9.0.jar

uber-api-sample 这是一个用Node.js编写的示例应用程序，演示了如何连接到公共Uber API，使用OAuth2对用户进行身份验证，然后使用访问令牌访问端点以显示用户的旅行历史记录。 安装 npm install 用法 CLIENT_ID=$YOUR_CLIENT_ID_HERE CLIENT_SECRET=$YOUR_CLIENT_SECRET_HERE node app.js

flink-shaded-hadoop-2-uber-2.7.5-10.0.jar

# 解压命令 tar -zxvf flink-shaded-hadoop-2-uber-3.0.0-cdh6.2.0-7.0.jar.tar.gz # 介绍 用于CDH部署 Flink所依赖的jar包

h3-js h3-js库提供了（基于六边形的地理网格系统）的纯JavaScript版本。 它可以在Node> = 6或浏览器中使用。 核心库是使用emscripten从C，可提供与C API的完全奇偶校验和高效的操作。 有关H3的更多信息以及完整的API文档，请参阅。 将错误报告或功能请求发布到 通过发布到的来提问 安装 npm install h3-js 用法 该库使用ES6模块。 Node和浏览器的捆绑包内置于dist文件夹。 进口 ES6的用法： import { h3ToGeo } from "h3-js" ; CommonJS的用法： const h3 = require ( "h3-js" ) ; 预捆绑脚本（库可以作为h3全局库使用）： < script src =" https://unpkg.com/h3-js " > </ script > 核心功能 /

新版flink不支持hadoop，需要下载hadoop依赖，放入到FLINK_HOME/lib目录下，才可以连接hdfs。

基于 Apache ORC 最新分支1.7源码编译的 orc-tools-1.7.0-SNAPSHOT-uber.jar，主要为 ORC 的 一个 Java 工具包，工具使用文档可以看到官方文档https://orc.apache.org/docs/java-tools.html，支持 meta、data、scan、convert、json-schema命令。

优步数据分析 关于UBER来自旅行者的乘车呼叫数据的数据分析，我使用简单的Python（熊猫和seaborn）函数从数据中获得了真正有用的见解。 分析数据后，我们得到以下输出结果： 生成数据所属位置的地图； 生成用户在一周内请求乘车的热图； 生成每小时，每天，每周和每月的用户请求图； 尽管没有在数据中告知数据所属的位置，但是我仍然能够获得数据所属位置的位置，那就是曼哈顿。 另外，我还进行了一些其他分析，对数据进行了更深入的研究。

Flink jar包，官网下载很慢，有需要的自行下载 Apache Flink是由Apache软件基金会开发的开源流处理框架，其核心是用Java和Scala编写的分布式流数据流引擎。Flink以数据并行和流水线方式执行任意流数据程序，Flink的流水线运行时系统可以执行批处理和流处理程序。此外，Flink的运行时本身也支持迭代算法的执行。