解惑大数据 PDF下载

目　录

第1章　大数据概述　1
Q1. 什么是大数据？　1
Q2. 大数据的规模如何？　1
Q3. 什么是大数据的多样化？　1
Q4. 什么是大数据的快速化？　2
Q5. 什么是大数据的价值化？　2
Q6. 大数据的起源是什么？　2
Q7. 大数据带来了哪些机遇？　3
Q8. 大数据带来了哪些挑战？　4
Q9. 什么是结构化数据？　5
Q10. 什么是非结构化数据？　5
Q11. 大数据的技术特点是什么？　5
Q12. 大数据有哪些处理模式？　5
Q13. 大数据的硬件架构有什么特点？　6
Q14. 大数据的软件架构有什么特点？　6
Q15. 大数据与云计算有什么关系？　7
Q16. 大数据适合哪些应用？　7
Q17. 零售行业如何应用大数据？　7
Q18. 金融行业如何应用大数据？　8
Q19. 交通行业如何应用大数据？　9
Q20. 互联网行业如何应用大数据？　10
Q21. 电信行业如何应用大数据？　11

第2章　分布式平台　13
2.1　分布式平台的基本概念　13
Q22. 什么是分布式平台？　13
Q23. 分布式平台的基本原理是什么？　14
Q24. 什么是分布式文件系统？　14
Q25. 什么是分布式计算？　15
2.2　开源项目　16
2.2.1　Hadoop　16
Q26. 什么是Hadoop？　16
Q27. Hadoop有哪些应用领域？　16
Q28. Hadoop的历史是什么？　17
Q29. Hadoop的优点是什么？　17
Q30. Hadoop和RDBMS的区别是什么？　18
Q31. Hadoop和高效能计算、网格计算的区别是什么？　17
Q32. Hadoop的发展现状如何？　20
Q33. Hadoop系统架构如何？　21
Q34. 什么是HDFS？　24
Q35. 什么是MapReduce？　31
2.2.2　GraphLab　40
Q36. 什么是GraphLab？　40
Q37. GraphLab出现的背景是什么？　40
Q38. GraphLab和MapReduce的区别是什么？　41
Q39. GraphLab的优点是什么？　42
Q40. GraphLab的软件栈结构是怎样的？　42
Q41. GraphLab并行化的基本思想是什么？　43
Q42. GraphLab的数据模型是什么？　45
Q43. GraphLab程序的执行模型是什么？　46
Q44. GraphLab和Mahout的区别是什么？　47
Q45. GraphLab有哪些相关子项目？　47
2.2.3　DPark　47
Q46. DPark是什么？　47
Q47. Spark是什么？　48
Q48. Spark和MapReduce的区别是什么？　48
Q49. DPark中有哪些基本概念？　49
Q50. DPark的计算模型是怎样的？　51
Q51. RDD的工作原理是什么？　52
Q52. RDD的容错机制是什么？　53
Q53. RDD内部的设计机制是什么？　54
Q54. DPark的任务调度机制是什么？　55
Q55. DPark共享变量的实现机制是怎样的？　56
Q56. DPark和Spark的性能比较如何？　57
Q57. DPark和Spark的区别是什么？　58
2.2.4　Storm　59
Q58. Storm是什么？　59
Q59. Storm出现的背景是什么？　59
Q60. Storm有哪些应用领域？　60
Q61. Storm的设计特征是什么？　61
Q62. Storm中有哪些关键概念？　61
Q63. Storm集群中有哪些组件？　65
Q64. Storm如何高效地实现消息的可靠性？　66
Q65. Storm是如何实现容错的？　69
Q66. Storm有哪些缺点？　69

第3章　分布式数据库　71
3.1　分布式数据库的基本概念　71
Q67. 什么是分布式数据库？　71
Q68. 什么是关系型数据库？　71
Q69. 什么是NoSQL数据库？　72
Q70. 为什么需要分布式数据库？　72
Q71. 大数据时代分布式数据库的特征是什么？　73
Q72. 分布式数据库相对传统集中式数据库的优点有哪些？　73
Q73. 什么是CAP定理？　73
3.2　开源项目　74
3.2.1　HBase　74
Q74. HBase是什么？　74
Q75. HBase的定位是什么？　74
Q76. HBase的设计特征是什么？　75
Q77. HBase和传统数据库的区别是什么？　75
Q78. HBase的数据模型是什么？　76
Q79. 运行中的HBase有什么特点？　79
Q80. HBase的集群架构是怎样的？　80
Q81. HBase的存储架构是怎样的？　81
Q82. HBase和HDFS的关系是什么？　84
Q83. 如何在HBase上运行MapReduce？　84
Q84. HBase能否支持SQL？　85
Q85. HBase有哪些常用场景？　85
3.2.2 Hive　86
Q86. 什么是Hive？　86
Q87. Hive的适用场景有哪些？　86
Q88. Hive的设计特征是什么？　87
Q89. Hive和RDBMS的区别是什么？　87
Q90. Hive的体系结构是怎样的？　89
Q91. Hive的元数据存储方案有哪些？　90
Q92. Hive的数据存储模型有哪些？　92
Q93. Hive和SQL的区别是什么？　94
Q94. 常见的HiveQL操作有哪些？　95
Q95. 什么是Hive的用户定义函数？　101
3.2.3　MongoDB　101
Q96. 什么是MongoDB？　101
Q97. MongoDB的设计特征是什么？　102
Q98. MongoDB的设计哲学是什么？　103
Q99. MongoDB中有哪些基本概念？　104
Q100. MongoDB数据模型是怎样的？　105
Q101. MongoDB和SQL的区别是什么？　105
Q102. 如何进行MongoDB的CRUD操作？　107
Q103. MongoDB支持哪些数据库驱动？　109
Q104. MongoDB如何实现高可用？　110
Q105. MongoDB的分片机制是怎样的？　111
Q106. MongoDB有哪些适用场景？　113

第4章　大数据与数据挖掘　115
Q107. 什么是数据挖掘？　115
Q108. 什么是机器学习？　115
Q109. 数据挖掘主要解决的问题有哪些？　115
Q110. 传统数据挖掘有哪些算法？　118
Q111. 什么是有监督学习？　118
Q112. 什么是无监督学习？　118
Q113. 什么是C4.5算法？　119
Q114. 什么是SVM？　119
Q115. 什么是贝叶斯算法？　120
Q116. 什么是K-Means算法？　120
Q117. 什么是EM算法？　121
Q118. 什么是Apriori算法？　121
Q119. 数据挖掘算法在电信行业如何应用？　121
Q120. 大数据时代如何进行数据挖掘？　122