大数据的诞生以及解决的问题
视频一：大数据诞生的背景
原因：传统的数据处理架构无法满足海量的数据存储和计算需求
大数据的4v特性：数据量、速度、多样性、价值
视频三：区分离线处理场景和实时处理场景
区别：主要看处理的数据是有界还是无界，离线场景的数据，不会增加和减少
视频五：传统的大数据与现代的大数据区别（离线场景）
大数据典型应用以及架构改进：
- 传统的数据仓库只能解决中小规模的数据存储与分析问题
- 大数据的存储与计算：大数据的架构基本是天然分布式的 ，可扩展能力很强。（数据达到一定量级，大数据才能发挥实力）
大数据的两个典型的特点：
- 分而治之，将数据打成小块，分散在各个节点中进行存储
- 移动计算而非移动数据，数据不动，计算任务（代码文件）分发到每个节点，进行运算，然后汇总结果。
其他离线的应用场景，比如大数据的搜索与检索，图计算，数据挖掘和实时流处理等应用场景，以及相关技术细节。
基于大数据的实时流处理：
分布式消息队列，抗压性能很好，能够承担很多压力，如果压力过大，可以拓展新增的节点。
视频六：大数据生态全览
视频七：HDFS概述
1、HDFS简介（概念和优缺点）
HDFS核心子项目有三个：
- hadoop 、yum、mapreduce
| 优点 | 缺点 |
|---|---|
| 高容错、高可用、高拓展 | 不适合低延迟数据访问 |
| 海量的数据存储 | 不支持并发写入 |
| 构建成本低安全可靠（构建在廉价的商用服务器上、提供了容错和恢复机制------数据备份三份） | 不适合大量小文件存储 |
| 适合大规模离线批处理 | 不支持文件随机修改 |
2、HDFS原理
系统架构
存储机制
--block块存储；--元数据存储；
读写操作
安全模式
高可用
HDFS高可用：
HDFS文件命令：
hadoop fs
hdfs dfs
大部分用法和linux shell 类似，可通过help 查看帮助。
HDFS运维管理