知识很多很碎，以下内容只是对重点内容的罗列，许多地方还需要大家翻书，看图理解。另外关于大题部分，由于精力有限就不详写了，大家可以根据实验内容，找重点部分记忆。比如SSH无密码登录指令：ssh-keygen -t rsa,启动HDFS指令：./sbin/start-dfs.sh，Hadoop伪分布式安装，HDFS的操作指令，代码部分的HDFS写文件操作。也可以参考往年题复习复习~
题型：
1.填空20空，每空1分，共20分
2.单选20道，每道1分，共20分
3.多选5道，每道2分，共10分
4.判断10道，每道1分，共10分
5.简答4道，每道5分，共20分
6.大题两道，计算实验，共20分
第一章 概述
1.大数据的4V特性：数据量大（Volume)数据类型繁多（Variety）处理速度快（Velocity)价值密度低（Value)
2.三次信息化浪潮主要解决信息处理，信息传输，信息爆炸的问题
3.大数据颠覆了传统思维方式，3个转变：全样而非抽样，效率而非精确，相关而非因果
4.大数据技术的层面：数据采集与预处理，数据存储和管理，数据处理与分析，数据安全和隐私保护
5.大数据计算模式：批处理计算，流计算，图计算，查询分析计算。
6.云计算的关键技术：虚拟化，分布式存储，分布式计算。多租户等
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：
云计算平台层：平台即服务（PaaS);
应用层：软件即服务（SaaS）
基础设施层：基础设施即服务（IaaS）
7.人类在科学研究上先后经历的四种范式：实验科学，理论科学，计算科学，数据密集型科学。
8.信息科技在大数据时代提供的3大技术支撑：信息存储，信息处理，信息传输。
第二章 大数据处理架构Hadoop
1.Hadoop的核心是Hadoop分布式文件系统（HDFS）和MapReduce
2.Hadoop的配置与启动（步骤自己敲一遍）
第三章 分布式文件系统HDFS
1.HDFS中块的大小为64MB，采用块概念的好处：支持大规模文件存储；简化系统设计；适合数据备份（好存好取好计算，提高磁盘读写效率）
2.名称节点NameNode负责管理分布式文件系统的命名空间（namespace）
两个核心数据结构：FsImage,EditLog
3.FsImage的作用：用于维护文件系统树以及文件树中所有的文件和文件夹的元数据
操作日志文件EditLog记录所有针对文件的·创建，删除，重命名操作。
4.名称节点的启动过程（简答）
（1）将FsImage的内容加载到内存中，然后执行EditLog文件中的各个操作，使内存中的元数据保持最新。
（2）若在内存中成功建立元数据映射，创建一个新的Fsimage文件和一个空的EditLog文件。
（3）正常运行后，更新操作写入EditLog中
名称节点启动过程中处于安全模式，对外提供读操作，无法提供写操作。启动结束后，系统会退出安全模式，正常运行。
5.数据节点负责数据的存储和读取，会根据客户端或名称节点的调度进行数据的存储和检索，并向名称节点定期发送自己所存储的块的列表信息。
6.第二名称节点（Secondarynamenode)具有两方面的功能：完成FsImage,EditLog的合并操作，减少editlog文件大小，缩短名称节点重启时间；作为名称节点的检查点，保存名称节点中的元数据信息。
7.HDFS HA（高可用架构）是用来解决NameNode 单点故障问题的， HDFS 联邦是用来解决 NameNode 内存瓶颈问题的。
8.HDFS名称节点出错，将第二名称节点中恢复数据。（HDFS的备份机制）
HDFS数据节点出错由上级负责。（心跳机制）
9.写文件
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;
public class Chapter3 {
public static void main(String[] args) {
try {
Configuration conf = new Configuration();
conf.set("fs.defaultFS","hdfs://localhost:9000");
conf.set("fs.hdfs.impl","org.apache.hadoop.hdfs.DistributedFileSystem");
FileSystem fs = FileSystem.get(conf);
byte[] buff = "Hello world".getBytes(); // 要写入的内容
String filename = "test"; //要写入的文件名
FSDataOutputStream os = fs.create(new Path(filename));
os.write(buff,0,buff.length);
System.out.println("Create:"+ filename);
os.close();
fs.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
第四章 分布式数据库Hbase
1.Hbase实现原理：Hbase功能组件，表，Region的定位.
2.Hbase功能组件：库函数，连接到每个客户端；一个Master主服务器；多个Region服务器。
- Region服务器：负责存储和维护分配给自己的Region，处理来自客户端的读写请求。
- Master主服务器：负责管理和维护Hbase表的分区信息（一个表分成哪些REgion？每个Region被分配在哪个Region服务器上）
3.Master检测集群中的Region服务器，把特定Region分配在可用的Region服务器上。
4.客户端不是直接从Master主服务器上读取数据，在获取Region的存储位置信息后从Region服务器上读取。
5.Hbase客户端借助于ZooKeeper来获取Region位置信息。
6.Region是横向拆分。每个Region默认大小为100-200MB，是Hbase中数据分发和均衡负载的基本单位。
7.Master主服务器将Region匹配到Region服务器。每个Region服务器负责管理一个Region集合（10-1000)。
8.Hbase的四维坐标：[“行键”，“列族”，“列限定符”，“时间戳”]
时间戳一般是64位整型数据
三级寻址（重点）zookeeper文件/-ROOT-表（根数据表）/.META.表（元数据表）
.META.表：存储region和region服务器的映射关系。
-ROOT-表：记录元数据的具体位置
Zookeeper文件：记录根数据表的位置。
9.Region服务器的工作原理（看书）
Region服务器是Hbase的核心，维护分配给自己的Region，响应用户的读写要求。
10.HLog的工作原理（看书）
Hlog保证系统发生故障时恢复到正确状态。
11.Region服务器内有多个region和一个Hlog
- HBASE是基于列存储的，只有一个索引（行键）
12.hbase中的数据类型只有未经解释的字符串；数据操作只有简单的插入，查询，删除，清空。
第五章 Nosql数据库
1.NoSQL的三大基石:CAP,BASE,最终一致性。
2.CAP理论：
- C：一致性。任何一个读操作总是能够读到之前完成的写操作的结果。
- A：可用性。快速获取数据，在确定时间内返回操作结果。
- P：分区容忍性。网络出现分区的时候，分离的系统也能正常运行。
一个分布式系统最多只能满足其中两个。
3.CA，放弃P，严重影响可扩展性
CP,等待期间无法提供服务
AP，一致性转为最终一致性
4.数据库事务具有ACID四性：原子性，一致性，隔离性，持久性。
5.BASE的基本含义：基本可用，软状态，最终一致性。
- 基本可用：一个分布式系统部分发生问题或不可用时，其他部分依然可以正常使用。
- 软状态：可以有一段数据不同步，具有滞后性。
- 最终一致性：允许后续的访问操作可以暂时读不到更新后的操作，但是经过一段时间后，用户必须读到更新后的数据。
6.NoSql的四大类型：键值数据库，列族数据库，文档数据库，图数据库。
键值：Redis,Riak,SimpleDB
列族：Bigtable，Hbase，Cassandra
文档：MongoDB,CouchDB
图：Neo4J,InfoGrid
7.nosql的由来：大数据时代数据类型繁多，不能很好地处理非结构化数据。非关系数据库应运而生。
8.nosql的特点：灵活的可扩展性，灵活的数据类型，与云计算紧密结合。
第六章 云数据库
1.云数据库并非一种全新的数据库技术，而是以服务的方式提供数据库功能的技术。
版权归原作者 Xxiaonian 所有， 如有侵权，请联系我们删除。