重整好数量期末考试复习提纲–概念整理。整理好数目期末考试复习提纲–概念整理。

深数额简介

深数额简介

良数据的概念

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

怪数据的概念

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

非常数据的性

不结构性、不完备性、时效性、安全性、可靠性

特别数目的特性

匪结构性、不完备性、时效性、安全性、可靠性

充分数量处理的备经过

数码收集和记录 –>  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

颇数额处理的全经过

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

大数目技术之表征

1.分析到的数码要不自由取样

2.看重数量的纷繁,弱化精确性

3.关注数据的相关性,而未缘果关系

坏数据技术的表征

1.剖析宏观的数要非自由取样

2.厚数量的错综复杂,弱化精确性

3.关爱数据的相关性,而不因为果关系

充分数目的关键技术

注处理、并行化、摘要索引、可视化

不行数量的关键技术

流淌处理、并行化、摘要索引、可视化

很数额应用趋势

分割市场、推动企业提高、大数目解析的新方式出现、大数额及出口计算高度融合、大数据完整设施陆续出现、大数量安全

良数目运用趋势

细分市场、推动公司发展、大数量解析的初点子betway必威体育官网出现、大数目与讲计算高度融合、大数额整体设施陆续出现、大数据安全

然研究范式

率先范式(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)

是的研究范式

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)

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.以计用于数据要无是数用于计算(把程序于数迁移。以计算呢主干转移吗坐数量为核心)

格雷法则

1.科学计算数据爆炸式增长

2.解决方案为横向扩张的网布局

3.以计用于数据如果不是数额用于计算(把程序为数迁移。以计算也核心转移也缘数量吧骨干)

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以满足一致性、可用性、分区容错性三独系统要求,最多只能以满足个别个。

CAP定理

一个分布式系统不可能又满足一致性、可用性、分区容错性三独体系要求,最多只能以满足个别单。

CAP选择

1.放弃分区容错,导致可扩展性不强:MySQL、Postgres

2.放弃可用性,导致性不是专程高:Redis、MongoDB、MemcacheDB、HBase、BigTable、Hypertable

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

CAP选择

1.放弃分区容错,导致可扩展性不赛:MySQL、Postgres

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

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

HDFS

HDFS

HDFS目标

1.兼容降价的硬件设备

2.流数码读写

3.不行数据集

4.简便的文件模型

5.雄的跨平台兼容性

HDFS目标

1.兼容降价的硬件装备

2.流数量读写

3.挺数据集

4.简练的文件模型

5.有力的跨平台兼容性

HDFS主要组件(图源哈尔滨理工大学非常数据课程李先生的课件)

betway必威体育官网 1

HDFS主要组件(图自哈尔滨理工大学格外数目课程李先生的课件)

betway必威体育官网 2

HDFS读文件

betway必威体育官网 3


 

betway必威体育官网 4

HDFS读文件

betway必威体育官网 5


 

betway必威体育官网 6

HDFS写文件

betway必威体育官网 7

HDFS写文件

betway必威体育官网 8

HDFS容错

1.心跳检测:NameNode和DataNode之间

2.文书块完整性: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.文本去:存放在/trash下,过一段时间才正式删除。在hdfs-site.xml中安排

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.文书去:存放在/trash下,过一段时间才正式删除。在hdfs-site.xml中配置

MapReduce

MapReduce

函数式编程优点

1.逻辑可证

2.模块化

3.组件化

4.好调试

5.易让测试

6.双重胜似之生产率

函数式编程优点

1.逻辑可证

2.模块化

3.组件化

4.便于调试

5.易于测试

6.重强的生产率

函数式编程的特性

1.从未副作用:没有改动过函数在该犯用域之外的计量并被其他函数使用

2.无状态底编程:将状态保存在参数中,作为函数的附赠品来传递(不是充分明亮)

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。

函数式编程的特性

1.并未副作用:没有改动了函数在那发用域之外的量并给另外函数使用

2.无状态底编程:将状态保存在参数中,作为函数的附赠品来传递(不是雅理解)

3.输入值和输出值:在函数式编程中,只有输入值和输出值。函数是主导的单位。在面向对象编程中,将对象传来传去;在函数式编程中,是以函数传来传去。

MapReduce流程图(图自南京大学黄宜华先生的课件)

betway必威体育官网 9

MapReduce流程图(图来自南京大学黄宜华先生的课件)

betway必威体育官网 10

生数量流式计算

深数目流式计算

流式数据的特征

实时性、易失性、突发性、无序性、无限性、准确性

流式数据的特点

实时性、易失性、突发性、无序性、无限性、准确性

大数据流式计算模型

数据流管理体系:固定查询、ad hoc查询

酷数额流式计算:Twitter Storm、Yahoo S4

杀数据流式计算模型

数据流管理体系:固定查询、ad hoc查询

坏数目流式计算: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

自打节点Supervisor:接收任务,启动或已工作历程Worker。每个Worker内部有多单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、存储正数据、从节点心跳信息、存储整个集群的享有状态信息、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

自节点Supervisor:接收任务,启动或停止工作过程Worker。每个Worker内部有差不多只Executor。每个Executor对应一个线程。每个Executor对应一个或者多独Task。

Zookeeper:协调、存储头数据、从节点心跳信息、存储整个集群的享有状态信息、所有配置信息

Storm特征

1.编程简单

2.支持多语言

3.作业级容错

4.品位扩展

5.底层使用Zero消息队列,快

Storm特征

1.编程简单

2.支持多语言

3.作业级容错

4.档次扩展

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.用集中式的作业级容错,限制了系统的而扩展性

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.用到集中式的作业级容错,限制了系统的不过扩展性

寻找引擎

找寻引擎

找寻引擎的概念

依据早晚之方针、运用特定的计算机程序、从互联网及收集信息,对信息进行团队与处理下,将这些信展示被用户的系统被搜索引擎。

摸引擎的定义

冲早晚的政策、运用特定的处理器程序、从互联网上征集信息,对信息进行集团同处理后,将这些信显示被用户的系于搜索引擎。

搜寻引擎的三结合

搜索器:搜集信息

索引器:抽取索引

检索器:在库中找寻,排序。

用户接口:展示

搜引擎的组成

搜索器:搜集信息

索引器:抽取索引

检索器:在仓房中追寻,排序。

用户接口:展示

检索引擎的办事进程

爬行 -> 抓取存储 -> 预处理 -> 排名

搜寻引擎的行事经过

爬行 -> 抓取存储 -> 预处理 -> 排名

搜引擎的褒贬指标

查全率、查准率、响应时间、覆盖范围、用户方便性

探寻引擎的评介指标

查全率、查准率、响应时间、覆盖范围、用户方便性

良数据解析

雅数量解析

数量解析的目的

对乱的数量进行集中、萃取、提炼,进而找出所研究对象的内在规律,发现其价值。

数解析的目的

针对乱的多少开展汇总、萃取、提炼,进而找出所研究对象的内在规律,发现那个价值。

数解析的义

以混乱的数目中剖析有有价之内容,获得对数码的体会。

数解析的义

当纷纷扬扬之数据遭到剖析出有价的内容,获得对数据的体会。

数量解析的型

1.探索性数据解析(为了形成值得假设的检查)

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)

数码解析的项目

1.革命性数据解析(为了形成值得假设的验)

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