理好数据期末考试复习提纲–概念整理。整理好数量期末考试复习提纲–概念整理。

异常数额简介

异常数据简介

特别数量的定义

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

不行数目的定义

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

老数据的习性

勿结构性、不完备性、时效性、安全性、可靠性

良数额的性

不结构性、不完备性、时效性、安全性、可靠性

怪数额处理的均经过

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

充分数据处理的均经过

多少收集与记录 –>  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

生数目技术之性状

1.剖析宏观的数据而未自由取样

2.厚数量的纷繁,弱化精确性

3.关心数据的相关性,而无为果关系

死数额技术的特征

1.剖析宏观的数量而无自由取样

2.青睐数量的复杂性,弱化精确性

3.关怀数据的相关性,而非为果关系

不行数据的关键技术

流动处理、并行化、摘要索引、可视化

颇数额的关键技术

横流处理、并行化、摘要索引、可视化

老数目应用趋势

分割市场、推动企业提高、大数目解析的新方式出现、大数据和讲计算高度融合、大数目完全设施陆续出现、大数据安全

非常数量应用趋势

分割市场、推动企业发展、大数量解析的初办法出现、大数额及叙计算高度融合、大数据总体设施陆续出现、大数目安全

是研究范式

先是范式(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

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)

格雷法则

1.科学计算数据爆炸式增长

2.化解方案吗横向扩张的系布局

3.将计用于数据如果未是数量用于计算(把程序为数迁移。以计算呢主导转移吗为数量为主干)

格雷法则

1.科学计算数据爆炸式增长

2.化解方案也横向扩张的系统布局

3.拿计用于数据而休是数据用于计算(把程序为数迁移。以计算也基本转变吗以数据吧中心)

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

一个分布式系统不容许而满足一致性、可用性、分区容错性三单系统要求,最多只能以满足个别独。

CAP定理

一个分布式系统不容许而满足一致性、可用性、分区容错性三独系统要求,最多只能以满足个别单。

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,导致性不是特地大: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,导致可扩展性不强:MySQL、Postgres

2.放弃可用性,导致性不是特地强: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.兼容廉价的硬件配备

2.流数码读写

3.格外数据集

4.简练的文件模型

5.雄的跨平台兼容性

HDFS目标

1.兼容降价的硬件配备

2.流数目读写

3.百般数据集

4.简约的文书模型

5.强有力的跨平台兼容性

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)

图片 1

HDFS主要组件(图来源哈尔滨理工大学好数目课程李先生的课件)

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.文书去: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.集群载重均衡: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中布置

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.易深受测试

6.再胜似的生产率

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.易为测试

6.还胜之生产率

函数式编程的特性

1.尚未副作用:没有改动过函数在那犯用域之外的量并给外函数使用

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(不是死知)

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,是以函数传来传去。

函数式编程的特点

1.从未副作用:没有改动了函数在那发用域之外的量并为外函数使用

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(不是雅懂得)

3.输入值和输出值:在函数式编程中,只有输入值和输出值。函数是核心的单位。在面向对象编程中,将对象传来传去;在函数式编程中,是用函数传来传去。

MapReduce流程图(图来自南京大学黄宜华先生的课件)

图片 9

MapReduce流程图(图自南京大学黄宜华先生的课件)

图片 10

十分数据流式计算

万分数量流式计算

流式数据的风味

实时性、易失性、突发性、无序性、无限性、准确性

流式数据的表征

实时性、易失性、突发性、无序性、无限性、准确性

不行数据流式计算模型

数据流管理体系:固定查询、ad hoc查询

颇数额流式计算:Twitter Storm、Yahoo S4

好数量流式计算模型

数据流管理网:固定查询、ad hoc查询

深数据流式计算: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

由节点Supervisor:接收任务,启动或已工作过程Worker。每个Worker内部有差不多只Executor。每个Executor对应一个线程。每个Executor对应一个要么多个Task。

Zookeeper:协调、存储头数据、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、存储头条数据、从节点心跳信息、存储整个集群的兼具状态信息、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.水平扩展

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.品位扩展

5.底层使用Zero消息队列,快

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.运用集中式的作业级容错,限制了系的可是扩展性

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,限制了系的只是扩展性

检索引擎

寻找引擎

寻找引擎的概念

因早晚之国策、运用特定的计算机程序、从互联网上采集信息,对信息进行集体及拍卖下,将这些消息展示受用户的系统给搜索引擎。

查找引擎的定义

基于早晚之策略、运用特定的电脑程序、从互联网及采集信息,对信息进行集体以及处理下,将这些信显示受用户之网给搜索引擎。

觅引擎的成

搜索器:搜集信息

索引器:抽取索引

检索器:在仓库中查找,排序。

用户接口:展示

探寻引擎的三结合

搜索器:搜集信息

索引器:抽取索引

检索器:在仓房中寻觅,排序。

用户接口:展示

搜寻引擎的干活进程

爬行 -> 抓取存储 -> 预处理 -> 排名

觅引擎的办事进程

爬行 -> 抓取存储 -> 预处理 -> 排名

招来引擎的评指标

查全率、查准率、响应时间、覆盖范围、用户方便性

找寻引擎的评论指标

查全率、查准率、响应时间、覆盖范围、用户方便性

坏数据解析

非常数量解析

数解析的目的

本着乱的数量进行集中、萃取、提炼,进而找出所研究对象的内在规律,发现该价。

多少解析的目的

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。

数量解析的含义

于乱之多少中分析出有价之始末,获得对数码的体会。

数解析的义

以乱之数码遭到分析出有价之情节,获得对数码的体味。

数码解析的门类

1.探索性数据解析(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)

数解析的档次

1.革命性数据解析(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)

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图