整好数据期末考试复习提纲–概念整理。整理好数目期末考试复习提纲–概念整理。

怪数额简介

杀数据简介

死数量的定义

Volume(数据容量)、Variety(数据类型)、Viscosity(价值密度)、Velocity(速度)、Veracity(真实性)

十分数目的定义

Volume(数据容量)、Variety(数据类型)、Viscosity(价值密度)、Velocity(速度)、Veracity(真实性)

可怜数据的性

莫结构性、不完备性、时效性、安全性、可靠性

挺数额的属性

非结构性、不完备性、时效性、安全性、可靠性

深数额处理的备经过

数据搜集与记录 –>  数据抽取、清洗、标记  –> 
数据并、转换、简约  –>  数据解析与建模  –>  数据说明

非常数据处理的备经过

多少收集和记录 –>  数据抽取、清洗、标记  –> 
数据并、转换、简约  –>  数据解析以及建模  –>  数据说明

可怜数量技术之表征

1.解析到的数码如果无自由取样

2.重视数量的复杂性,弱化精确性

3.关怀数据的相关性,而无为果关系

大数目技术的特征

1.解析宏观的数额如果非自由取样

2.厚数量的纷繁,弱化精确性

3.关爱数据的相关性,而非因果关系

特别数额的关键技术

横流处理、并行化、摘要索引、可视化

充分数目的关键技术

注处理、并行化、摘要索引、可视化

可怜数目采取趋势

划分市场、推动公司提高、大数目解析的初方式出现、大数额以及讲计算高度融合、大数量完整设施陆续出现、大数额安全

大数据采取趋势

划分市场、推动公司发展、大数据解析的初措施出现、大数量和叙计算高度融合、大数额整体设施陆续出现、大数据安全

是研究范式

第一范式(科学实验)、第二范式(科学理论)、第三范式(系统模拟)、第四范式(数据密集型计算)

没错研究范式

首先范式(科学实验)、第二范式(科学理论)、第三范式(系统模拟)、第四范式(数据密集型计算)

格雷法则

1.科学计算数据爆炸式增长

2.化解方案为横向扩张的网布局

3.用计用于数据而无是数额用于计算(把程序为数迁移。以计算也中心转变吗因数据为主导)

格雷法则

1.科学计算数据爆炸式增长

2.化解方案为横向扩张的网布局

3.用计用于数据而未是数码用于计算(把程序为数迁移。以计算也骨干转移也缘多少吧基本)

CAP理论

Consistency(一致性)、Availability(可用性)、Partition
Tolerance(分区容错性)

CAP理论

Consistency(一致性)、Availability(可用性)、Partition
Tolerance(分区容错性)

CAP定理

一个分布式系统不可能还要满足一致性、可用性、分区容错性三个系统要求,最多只能同时满足个别只。

CAP定理

一个分布式系统不可能同时满足一致性、可用性、分区容错性三只系统要求,最多只能同时满足个别个。

CAP选择

1.放弃分区容错,导致可扩展性不愈:MySQL、Postgres

2.放弃可用性,导致性不是特意大:Redis、MongoDB、MemcacheDB、HBase、BigTable、Hypertable

3.放弃一致性,对一致性要求小:Cassandra、Dynamo、Voldemort 、CouchDB

CAP选择

1.放弃分区容错,导致可扩展性不高:MySQL、Postgres

2.放弃可用性,导致性不是特意强:Redis、MongoDB、MemcacheDB、HBase、BigTable、Hypertable

3.放弃一致性,对一致性要求没有:Cassandra、Dynamo、Voldemort 、CouchDB

HDFS

HDFS

HDFS目标

1.兼容降价的硬件设备

2.流数目读写

3.杀数据集

4.略的公文模型

5.强有力的跨平台兼容性

HDFS目标

1.兼容廉价的硬件设备

2.流数量读写

3.格外数据集

4.简易的文件模型

5.雄的跨平台兼容性

HDFS主要组件(图来自哈尔滨理工大学生数量课程李先生的课件)

图片 1

HDFS主要组件(图来自哈尔滨理工大学非常数据课程李先生的课件)

图片 2

HDFS读文件

图片 3


 

图片 4

HDFS读文件

图片 5


 

图片 6

HDFS写文件

图片 7

HDFS写文件

图片 8

HDFS容错

1.心跳检测:NameNode和DataNode之间

2.文件块完整性:记录新建文件所有片的校验和

3.集群载荷均衡:自动从负载重的DataNode上迁移数据

4.文件去:存放在/trash下,过一段时间才正式删除。在hdfs-site.xml中配备

HDFS容错

1.心跳检测:NameNode和DataNode之间

2.文本块完整性:记录新建文件所有片的校验和

3.集群载重均衡:自动从负载重的DataNode上迁移数据

4.文本去:存放在/trash下,过一段时间才正式删除。在hdfs-site.xml中安排

MapReduce

MapReduce

函数式编程优点

1.逻辑可证

2.模块化

3.组件化

4.易调试

5.易被测试

6.重新强之生产率

函数式编程优点

1.逻辑可证

2.模块化

3.组件化

4.易调试

5.易给测试

6.重胜之生产率

函数式编程的风味

1.从未副作用:没有改动过函数在该犯用域之外的量并吃别函数使用

2.无状态之编程:将状态保存在参数中,作为函数的附赠品来传递(不是殊理解)

3.输入值和输出值:在函数式编程中,只有输入值和输出值。函数是骨干的单位。在面向对象编程中,将对象传来传去;在函数式编程中,是拿函数传来传去。

函数式编程的特色

1.无副作用:没有改动过函数在该发用域之外的量并叫别函数使用

2.无状态的编程:将状态保存在参数中,作为函数的附赠品来传递(不是颇明白)

3.输入值和输出值:在函数式编程中,只有输入值和输出值。函数是着力的单位。在面向对象编程中,将对象传来传去;在函数式编程中,是拿函数传来传去。

MapReduce流程图(图来源南京大学黄宜华先生的课件)

图片 9

MapReduce流程图(图来自南京大学黄宜华先生的课件)

图片 10

怪数量流式计算

杀数目流式计算

流式数据的特性

实时性、易失性、突发性、无序性、无限性、准确性

流式数据的特色

实时性、易失性、突发性、无序性、无限性、准确性

非常数量流式计算模型

数据流管理体系:固定查询、ad hoc查询

万分数量流式计算:Twitter Storm、Yahoo S4

充分数目流式计算模型

数据流管理网:固定查询、ad hoc查询

不行数目流式计算:Twitter Storm、Yahoo S4

Storm总体架构

主节点Nimbus:负责全局资源分配、任务调度、状态监控、故障检测

从节点Supervisor:接收任务,启动或终止工作进程Worker。每个Worker内部有多独Executor。每个Executor对应一个线程。每个Executor对应一个或者多只Task。

Zookeeper:协调、存储初次数据、从节点心跳信息、存储整个集群的具备状态信息、所有配置信息

Storm总体架构

主节点Nimbus:负责全局资源分配、任务调度、状态监控、故障检测

从今节点Supervisor:接收任务,启动或停工作经过Worker。每个Worker内部有差不多个Executor。每个Executor对应一个线程。每个Executor对应一个还是多独Task。

Zookeeper:协调、存储老大数据、从节点心跳信息、存储整个集群的有所状态信息、所有配置信息

Storm特征

1.编程简单

2.支撑多语言

3.作业级容错

4.程度扩展

5.底层使用Zero消息队列,快

Storm特征

1.编程简单

2.支撑多语言

3.作业级容错

4.水准扩展

5.底层使用Zero消息队列,快

Storm缺点

1.资源分配没有设想任务拓扑的结构特征,无法适应数据负载的动态变化

2.下集中式的作业级容错,限制了系的不过扩展性

Storm缺点

1.资源分配没有考虑任务拓扑的结构特征,无法适应数据负载的动态变化

2.施用集中式的作业级容错,限制了网的只是扩展性

寻引擎

寻引擎

找引擎的定义

冲早晚的方针、运用特定的微机程序、从互联网及收集信息,对信息进行团队以及处理以后,将这些信息显示被用户的系受搜索引擎。

搜索引擎的概念

因早晚之国策、运用特定的微处理器程序、从互联网上采集信息,对信息进行集体和拍卖下,将这些消息展示受用户之系统给搜索引擎。

检索引擎的结

搜索器:搜集信息

索引器:抽取索引

检索器:在库中查找,排序。

用户接口:展示

追寻引擎的三结合

搜索器:搜集信息

索引器:抽取索引

检索器:在仓房中摸索,排序。

用户接口:展示

摸引擎的干活进程

爬行 -> 抓取存储 -> 预处理 -> 排名

检索引擎的办事进程

爬行 -> 抓取存储 -> 预处理 -> 排名

搜索引擎的评指标

查全率、查准率、响应时间、覆盖范围、用户方便性

找引擎的评说指标

查全率、查准率、响应时间、覆盖范围、用户方便性

深数量解析

深数目解析

数码解析的目的

本着乱的数量进行汇总、萃取、提炼,进而找出所研究对象的内在规律,发现该价。

数据解析的目的

针对乱的数据开展汇总、萃取、提炼,进而找出所研究对象的内在规律,发现其价值。

数解析的意义

以乱之多少遭到分析出有价之始末,获得对数码的体味。

数码解析的意思

每当乱之数码遭到分析出有价之情节,获得对数码的回味。

多少解析的种类

1.探索性数据解析(为了形成值得假设的查看)

2.定性数据解析(非数值型数据)

3.离线数据解析(先存于磁盘,批处理)

4.在线数据解析(实时)

数码解析的种

1.革命性数据解析(为了形成值得假设的检)

2.定性数据解析(非数值型数据)

3.离线数据解析(先存于磁盘,批处理)

4.在线数据解析(实时)

相关文章