2024.11.12_大数据的诞生以及解决的问题

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

相关推荐
上海锝秉工控2 小时前
防爆拉线位移传感器:工业安全的“隐形守护者”
大数据·人工智能·安全
cv高级工程师YKY3 小时前
SRE - - PV、UV、VV、IP详解及区别
大数据·服务器·uv
bxlj_jcj4 小时前
深入Flink核心概念:解锁大数据流处理的奥秘
大数据·flink
云资源服务商4 小时前
阿里云Flink:开启大数据实时处理新时代
大数据·阿里云·云计算
Aurora_NeAr5 小时前
Spark SQL架构及高级用法
大数据·后端·spark
王小王-1235 小时前
基于Hadoop的公共自行车数据分布式存储和计算平台的设计与实现
大数据·hive·hadoop·分布式·hadoop公共自行车·共享单车大数据分析·hadoop共享单车
数据与人工智能律师5 小时前
数字资产革命中的信任之锚:RWA法律架构的隐形密码
大数据·网络·人工智能·云计算·区块链
Edingbrugh.南空6 小时前
Flink OceanBase CDC 环境配置与验证
大数据·flink·oceanbase
全星0076 小时前
解锁研发高效密码:全星研发项目管理APQP软件的多维助力
大数据·汽车
时序数据说8 小时前
为什么时序数据库IoTDB选择Java作为开发语言
java·大数据·开发语言·数据库·物联网·时序数据库·iotdb