云计算与Hadoop期末考试知识点复习

七、八、九、十、十二、十三放到一起理解。

一、大数据的概念和特点、分类

又称巨量数据，是指数据量达到无法用 人脑，甚至现有工具获取，处理，并整理成为帮助企业经营决策更积极目的的资讯。

特点：数据量大，类型多，时效性，速度快，真实性。

分类：传统企业数据，机器和传感器数据，社交数据。

二、云计算的概念，特点

云计算是基于互联网的计算机方式，通过这计算方式，可以把共享的软硬件信息按需分配给计算机和其他设备。

特点：虚拟，灵活，可靠，可扩展，性价比高，按需部署。

三、Iaas，Paas，Saas

Iaas是基础设施即服务，完全的自助服务，主要提供基础资源。

Paas是平台即服务，主要提供软件部署平台，屏蔽底层实现细节和操作系统，开发者只需要关注业务逻辑问题。

Saas软件即服务，完全把软件开发管理托福第三方平台，不需要关乎技术问题，直接拿来使用。

四、虚拟化技术的概念和特征

虚拟化技术，是指通过虚拟化，把一台计算机虚拟化为多台逻辑计算机，多个逻辑计算机可以同时运行不同的操作系统。软件在相互独立的空间内运行且互不打扰，提高计算机的工作效率。

特征：分区，隔离，封装，硬件独立。

五、Hadoop的特征，优缺点，运行模式

特征：分布式架构，多租户环境，采用HDFS架构，可靠的文件系统，丰富的计算引擎，基于Hadoop的Spark架构可以处理更多的数据请求。

优点：高效，可扩展，容错低成本，可靠。

缺点：不适合低延迟的数据访问，不适合大量小文件，不支持多用户写入并修改文件。

运行模式：本地模式：Hadoop没有守护进程，程序运行在一个JVM上。

伪分布式：Hadoop守护进程运行在本地机器上，模拟小型集群。

全分布式：Hadoop的守护进程运行在集群中。

六、HDFS的概念和特征

概念：分布式的文件系统，用于存储文件，由很多计算机联合实现功能。

特征：面向大规模数据的，运行在廉价机器上的，简单地一致性，流式访问。

七、HDFS处理任务流程

八、JobTracker、TaskTracker节点的工作原理及特征（*）

（1）一个集群中只有一个JobTracker进程，它运行在主节点上。该进程负责将应用程序与Hadoop系统对接。当执行用户提交的应用程序时，JobTracker负责确定要处理的文件，并为所执行任务分配指定的节点主机。
（2）TaskTracker进程在从节点上，与同样位于从节点的负责存储数据的DataNode进程相结合进行工作。TaskTracker的作用是独立管理其所在从节点上的任务进程。
（3）每个从节点上只有一个TaskTracker,但它可以产生多个JVM进程，以并行处理多个Map和Reduce任务。TaskTracker的一个重要职责是与JobTracker进行定时通讯联络。
（4）如果JobTracker不能准时获得TaskTracker的联络信息，则认为该节点已崩溃。这会导致JobTracker将任务重新分配给其他从节点。

九、DataNode、NameNode节点的工作原理及特征（*）

主节点的NameNode进程是HDFS文件系统的守护进程。该进程负责:
记录文件是如何分割成数据块，以及存储数据块的数据节点的信息。
对内存和I/O进行集中管理
通常情况下，运行NameNode的服务器上是不执行计算任务的，从而避免降低系统性能。另外，NameNode进程是单点的运行的，一旦宕机，将导致整个系统瘫痪。
各从节点服务器均会运行一个DataNode后台进程，负责将HDFS数据块读写到本地文件系统。
当客户端有读/写要求时，NameNode告诉客户端去哪个DataNode进行读/写操作。这样客户端将直接与这个DataNode服务器的进程进行读/写访问

十、Host、Slave节点特征（*）

（1）Host节点主要对域名解析到哪个虚拟主机进行配置，其name属性即为访问的域名。
作为主节点(Master Node）的主机一个Hadoop集群中只能有一个主节点。
主节点是集群的核心，负责协调和管理对所有从节点的数据访问和计算工作。
作为从节点（Slave Node）的主机，除主节点主机外的所有主机均作为从节点。数据分布在各从节点上，由HDFS进行统一管理。
各从节点还担任着数据的计算工作。此工作由节点上的MapReduce子系统来完成。

十一、MapReduce的优点和特征

优点
（1）对硬件低要求，MapReduce模型是面向由数千台中低端计算机组成的大规模集群而设计的，基于此优点MapReduce模型可以在现有的异构集群中很好的运行。
（2）接口化，MapReduce模型通过简单的接口实现了大规模分布式计算的自动并行化，它屏蔽了需要大量并行代码去实现的容错、负载均衡和数据分布等复杂细节，程序员只需关注实际操作数据的Map函数和Reduce函数即可。
（3）编程语言多样化，MapReduce模型支持Java、C、C++、Python、Shell、PHP、Ruby等多种开发语言，程序员可以选择所熟悉的语言编写Map函数和Reduce函数。
（4）扩展性强，它采用的shared-nothing结构保证了其良好的伸缩性，同时，使其具有了各个节点间的松耦合性和较强的容错能力，进而节点可以被任意地从集群中移除，而几乎不影响现有任务的执行。
（5）数据分析低延迟，基于MapReduce模型的数据分析，无需复杂的数据预处理和写入数据库的过程，而是直接基于平面文件进行分析，并且其采用的计算模式是移动计算而非移动数据[3]，因此可以将分析延迟最小化。

特征

MapReduce是一个基于集群的高性能并行计算平台
MapReduce是一个并行计算与运行软件框架
MapReduce是一个并行程序设计模型与方法

十二、MapReduce处理流程

十三、shuffle & sort的过程

十四、“心跳”的概念

心跳机制是定时发送一个自定义的结构体(心跳包)，让对方知道自己还活着，以确保连接的有效性的机制。

十五、HBase的特征

（1）适合存储超大文件
（2）适用于流式的数据访问
（3）支持简单的一致性模型
（4）计算向数据靠拢