就是随便出了一个，可能有许多有错误的地方 ，互相知道就行了 不要较真 毕竟是随心所欲版🤣，划横线的可能会有简答 大题我看有前辈说是实验
一
1.大数据的4V特性：
2.三次信息化浪潮主要解决
3.大数据颠覆了传统思维方式，3个转变：
4.大数据技术的层面：
5.大数据计算模式：
6.云计算的关键技术：
7.搭建集群的时候，namenode，datanode可以在一个节点上
8.云计算服务模式：
7.人类在科学研究上先后经历的四种范式：
8.信息科技在大数据时代提供的3大技术支撑：
9.物联网分为四层
10.物联网的关键技术：
11.大数据与云计算，物联网的关系
二
1Hadoop基于 开发，核心是 都是基于谷歌
- hadoop实验
三
1hdfs（gfs）协调集群的数据存储，而且安全性弱，文件完成后无法修改（rdd）
2hdfs延迟高，hbase延迟低
3hdfs读取时以 为单位，默认 mb
4名称结点有 和 组成（额外的 ），各自作用，工作流程
5数据结点作用
6第二名称结点解决什么问题，解决过程
7hdfs命名空间包括 ， 和 。
8名称结点，数据结点和客户端是怎么进行通信的
9数据错误与恢复（3）
- 10hdfs实验
四
1四个坐标确定一个hbase单元格
2hbase是面向 的存储，以 为单位进行分解
3hbase的功能组件：3
4客户端是通过master服务器读取数据吗？如果不是说出如何读取？客户端怎么获取region位置信息？
5三级寻址
6 是负载均衡和数据分发的基本单位， 是实现不同region服务器之间的负载均衡
7zookeeper的作用
8region服务器的工作原理
9habase的核心模块为 ， 是它的核心
10hlog是预写式日志，更新数据是先写入日志才能写入memstore缓存
11每个region服务器共用一个hlog
五
1nosql（not only sql）的优点
2和关系数据库比较
查询 数据完整性 一致性
3nosql四大类型
4nosql三大基石
七
1mapreduce抽象为两个函数
3shuffle说出各个端的过程
八
1
2hdfsha解决了 问题，ha集群中设置了一个 节点和一个 节点， 来决定这个。一是通过 来同步editlog，二是通过 来同步元数据信息
3hdfs联邦解决了 问题，它设置了独立的 ，使命名服务扩展，它们共享底层的 存储资源
4访问联邦的多个命名空间采用
5mapreduce1.0的缺陷（资源，jobtracker）和2.0yarn的优势
6hadoop生态系统组件及各自作用
7yarn的目标
8.yarn的组成及作用
九
1Hive借助 和 实现数据的存储处理，用 编写的处理逻辑，最终都要转换成 任务运行。
2 可作为hive的替代工具。Pig是一种数据流语言和运行环境，在Hadoop平台上查询半结构化数据集，将外部数据装载到Hadoop集群中，转化为用户需要的数据格式。
3 为hive提供实时数据访问。Hbase面向列的，分布式的，可伸缩的数据库，可提供数据的实时访问，hive只能处理静态数据。两者互补。
4Hive是一个 的数据集合，用于支持管理决策。它可以保留历史数据
5hive体系结构的4层次：
6hive的系统架构， 包括 和 。 包括 。 是
7hive采用mapreduce完成 处理。缺点为 。而impala支持 。
它们的区别有什么 相同点有什么（各3）
8impala由 ， 和 组成各自作用
十
1spark 计算模式也属于 ，但不局限于map和reduce的操作
2spark计算中间结果放入
3spark基于 优于mapreduce的迭代运算效率
（hadoop表达能力有限，磁盘io开销大，延迟高）
4spark的设计理念
5BDAS框架主要部分
spark core
spark sql（开发人员可直接处理rdd）
spark streaming
graphx
mlib
6spark的应用场景
7scala的优点：并发性 语法简洁 兼容Java，运行速度快 支持java python R（在spark shell可进行交互式编程）
8rdd只读记录分区，不能直接修改。有转换（rdd）和行动（值）。
十一
1什么是流计算
2流计算的数据处理流程
3spark stresming 的工作原理
4 spark stresming 与storm的对比
版权归原作者 优雅的榴莲 所有， 如有侵权，请联系我们删除。