Haddop
https://www.bilibili.com/video/BV1sb4y1k7cQ?p=1&vd_source=8b9de621639420a0ceb703aceed712f7
第一章、大数据简介
一、概述
大数据：无论哪个机构对大数据进行定义，实际上都是围绕对海量数据进行快速有效的处理
二、 特点
1. Volumn：数据体量大。
2. Variety：种类样式和来源多：
- 种类：文本、图片、音频、视频、flash等。
- 样式：结构化数据（SQL）、半结构化数据（json、XML等）；非结构话数据（图片、音频、视频等）
- 来源：日志（70%数据来源于日志）、爬虫、网页埋点、手动录入、数据库等。
3. Value：数据价值密度低，价值密度指的是想要的数据在总的数据量中的占比。随着网络的发展，价值密度越来越低，但是不意味着获取到的数据越来越少，恰恰相反，获取到的数据是在变多的。只是想要的数据的增长速度比不上样本总量的增长速度
4. Velocity：数据增长速度快。随着网络的发展，数据的产生速度以及增长速度越来越快。
5. Veracity:数据的质量，即数据的准确性和可信赖度。随着信息的爆炸以及网络的发展，信息的来源良秀不齐，导致数据的可信赖度变得不同
6. Valence:数据的连通性。随着大数据的发展，衍生出来了很多的技术、模块和产业，这个时候，就不得不考虑这些模块、技术和产业之间的关系
7. 随着大数据的发展，产生了越来越多的特性: vitality(动态性)、Visualization(可视化)、Validity(合法性，例如大数据杀熟、APP的过度索权)等
三、应用场景
1. 物流仓储:利用大数据对配送路线、物流中转点进行设计。
2. 电商零售:利用大数据技术对用户的消费行为进行分析，抓住用户的心理变化，来做到精准营销
3. 旅游:利用大数据技术来为用户进行合理规划(经济能力、路线等)
4. 保险:利用大数据技术进行精准营销、风险预测
5. 金融:利用大数据技术对用户进行抗压预测以及风险控制
6. 人工智能:利用大量数据对模型进行训练，提高模型的准确性
四、组织结构
第二章、Hadoop简介
一、概述
二发展
1.早在2002年的时候，Doug和Mike设计一个搜索引擎Nutch，爬取了全网10亿个网页的数据，爬取完成之后，在设计搜索引擎的过程中，遇到了存储的问题在2003年的时候，Google发表了一篇论文<The Google File System>(GFS).
2.阐述了分布式存储的思想和原理，但是并没有对外公开这个框架3，在2004年的时候，Doug和Mike根绝GFS实现了Nutch中的存储系统 NDFS(NutchDistributed File System - Nutch分布式文件系统)
在2004年的时候，Google发表了一篇论文<The Google MapReduce>，阐述了分
4.布式计算的思想和原理，但是同样没有对外公开使用这个框架在2@05年的时候，Doug根据这篇论文实现了Nutch中的MapReduce在Nutch0.8的时候，Doug发现NDFS和MapReduce不只可以用于搜索引擎，也可以用于其他的分布式处理，所以就把NDFS和MapReduce以及其他的一些需要的基本以来分离出来，组成了一个新的框架Hadoop，同时NDFS改名为HDFS(HadoopDistributed File System)，至此，Hadoop正式面世