|
|
|
|
知识路径： > 信息技术知识 > 新一代信息技术 > 大数据 > 大数据的关键技术 >
|
|
|
被考次数：6次
|
|
|
被考频率：
中频率
|
|
|
总体答错率：
58%
|
|
知识难度系数：
|
|
|
考试要求：
熟悉
|
|
|
相关知识点：4个
|
|
|
|
|
|
|
|
|
.数据存储：包括结构化数据、非结构化数据和半结构化数据的存储与访问。结构化数据一般存放在关系数据库中，通过SQL来访问；非结构化（如图片、视频、文件等）和半结构化数据一般通过分布式文件系统的NoSQL进行存储。
|
|
|
|
.数据管理：主要使用分布式并行处理技术，比较常用的有MapReduce。
|
|
|
|
.数据分析与挖掘：根据业务需求对大数据进行关联、聚类、分类等钻取和分析，并利用图形、表格加以展示。
|
|
|
|
|
|
.HDFS（Hadoop分布式文件系统）：是适合运行在通用硬件上的分布式文件系统，是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大数据应用。
|
|
|
|
.HBase：一个分布式的、面向列的开源数据库。利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库，并且采用基于列而不是基于行的模式。
|
|
|
|
.MapReduce：一种编程模型，用于大规模数据集（大于1TB）的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上，从而实现对HDFS和HBase上的海量数据分析。
|
|
|
|
.Chukwa：一个开源的用于监控大型分布式系统的数据收集系统。Chukwa构建在Hadoop的HDFS和MapReduce框架之上，继承了Hadoop的可升缩性和健壮性，它包含了一个强大而灵活的工具集，可用于展示、监控和分析已收集的数据。
|
|
|
