前些天發(fā)現(xiàn)了一個巨牛的人工智能學習網(wǎng)站，通俗易懂，風趣幽默，忍不住分享一下給大家。點擊跳轉到網(wǎng)站。

前言：

大數(shù)據(jù)是需求，云計算是手段。沒有大數(shù)據(jù)，就不需要云計算；沒有云計算，就無法處理大數(shù)據(jù)。

一、云計算

1.1 云計算的基本思想

• 所有的計算能力、存儲能力、和各種各樣功能的應用都通過網(wǎng)絡從云端獲得

• 用戶不需要不停的更換昂貴的高性能電腦

• 用戶不需要購買、安裝和維護各種系統(tǒng)和應用軟件

• 用戶不需要擔心數(shù)據(jù)的安全存儲

1.2 云計算概述——什么是云計算？

云計算是一種商業(yè)計算模型。它將計算任務分布在大量計算機構成的資源池上，使各種應用系統(tǒng)能夠根據(jù)需要獲取計算力、存儲空間和信息服務。

把本地計算機需要進行的計算和存儲等工作放到云上去處理。

1.3 云計算的基本特征

• 按需自助服務

• 無處不在的網(wǎng)絡接入

• 敏捷的彈性

• 資源池

• 可度量的服務

1.4 云計算的部署模式

• 公有云：面向所有用戶提供服務，只要是注冊付費的用戶都可以使用，比如阿里云和 Amazon AWS。

• 私有云：只為特定用戶提供服務，比如大型企業(yè)出于安全考慮自建的云環(huán)境，只為企業(yè)內(nèi)部提供服務。

• 混合云：綜合了公有云和私有云的特點，因為對于一些企業(yè)而言，一方面出于安全考慮需要把數(shù)據(jù)放在私有云中，另一方面又希望可以獲得公有云的計算資源，為了獲得最佳的效果，就可以把公有云和私有云進行混合搭配使用。

1.5 云服務

云服務是一種商業(yè)模式，是基于互聯(lián)網(wǎng)的相關服務的增加、使用和交付模式，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴展且經(jīng)常是虛擬化的資源。

• 基礎設施即服務（IaaS）：是把計算、存儲、網(wǎng)絡以及搭建應用環(huán)境所需的一些工具當成服務提供給用戶，使得用戶能夠按需獲取 IT 基礎設施。IaaS 主要由計算機硬件、網(wǎng)絡、存儲設備、平臺虛擬化環(huán)境、效用計費方式、服務級別協(xié)議等組成。四個業(yè)務特征：用戶獲得的是 IT 資源服務、用戶通過網(wǎng)絡獲得服務、用戶能夠自助服務、按需計費。優(yōu)勢：用戶免部署與維護、經(jīng)濟性（對于用戶和服務者提供）、開放標準（跨平臺，靈活遷移）、支持應用范圍廣、伸縮性強。

• 平臺即服務（PaaS）：是一種分布式平臺服務，為用戶提供一個包括應用設計、應用開發(fā)、應用測試及應用托管的完整的計算機平臺。主要是面向互聯(lián)網(wǎng)應用開發(fā)者

• 軟件即服務（SaaS）：是軟件服務提供商為了滿足用戶的需求提供的軟件的計算能力。SaaS 云服務提供商負責維護和管理云中的軟件以及支撐軟件運行的硬件設施，同時免費為用戶提供服務或者以按需使用的方式向用戶收費。所以，用戶無需進行安裝、升級和防病毒等，并且免去了初期的軟硬件支出。

小Tips：IT 基礎設施資源分為：計算資源、存儲資源、網(wǎng)絡資源、基礎軟件資源

1.6 云計算的關鍵技術——虛擬化技術

虛擬化技術的核心思想是利用軟件或固件管理程序構成虛擬化層，把物理資源映射為虛擬資源。在虛擬資源上可以安裝和部署多個虛擬機，實現(xiàn)多用戶共享物理資源。

虛擬化是云計算最重要的特征之一，基于虛擬化技術可以對存儲、計算、網(wǎng)絡等物理資源進行池化，資源池化的基礎設施更易于實現(xiàn)按需分配的資源調度策略、易于實現(xiàn)資源池的橫向擴展。

小Tips：上圖是采用虛擬化技術的云計算數(shù)據(jù)中心的物理拓撲結構

1.6.1 虛擬化的好處

• 提高了硬件資源的利用率

• 提高勞動生產(chǎn)率

• 節(jié)省了大量成本

• 降低運維管理成本

1.6.2 虛擬化技術的應用——12306使用阿里云避免了高峰期的崩潰

高并發(fā)和高流量一直是需要解決的關鍵問題。把高頻次、高消耗、低轉化的余票查詢環(huán)節(jié)放到云端，而將下單、支付這種“小而輕”的核心業(yè)務仍然留在 12306 自己的后臺系統(tǒng)上，這樣的思路為 12306 減負不少。

• 公有云可以為 12306 在高流量時期提供了充足的空間，避免了因為高并發(fā)的流量沖擊導致的宕機。

• 在請求次數(shù)減少時，可以縮減公有云，這樣就節(jié)省了成本開支。

• 除此之外，將余票查詢（而非核心系統(tǒng)）托管在公有云上，還能避免敏感性資料的泄露，保護用戶數(shù)據(jù)的安全。

1.6.3 虛擬化的關鍵特征

• 兼容性：虛擬機完全兼容標準的操作系統(tǒng)，以及在這些操作系統(tǒng)之上建立的硬件驅動和應用

• 隔離：每一個虛擬機都與同在一個服務器上的其他虛擬機相隔離。從軟件角度來看，互相隔離的虛擬機之間保持獨立，如同一個完整的計算機；從硬件角度講，被隔離的虛擬機相當于一臺物理機，有自己的 CPU、內(nèi)存、硬盤、I/O 等，它們與宿主機之間保持相互獨立的狀態(tài)；從網(wǎng)絡角度講，被隔離的虛擬機如同物理機一樣，既可以對外提供網(wǎng)絡服務，也一樣可以從外界接受網(wǎng)絡服務。

• 封裝：虛擬機將整個系統(tǒng)，包括硬件配置、操作系統(tǒng)以及應用等封裝在文件里

• 硬件獨立：可以在其他服務器上不加修改的運行虛擬機

1.6.4 虛擬化的 HA 指的是什么？

HA（高可靠性）就是發(fā)生服務器故障時，在其他的物理服務器上自動重啟虛擬機，從而減少停工的時間，而保證其服務的高度可用性。總結：通過 HA 可以方便的提高任何應用的高可用性。

客戶優(yōu)勢：對所有的應用實現(xiàn)了高可用性，并且成本很低；不需要完全一致的重復硬件；比傳統(tǒng)的集群有更高的成本優(yōu)勢，同時易于使用和操作。

1.6.5 服務器虛擬化

將一個或多個物理服務器虛擬成多個邏輯上的服務器，集中管理，能跨越物理平臺不受限制。

服務器虛擬化的兩個方向：

• 一種是把一個物理的服務器虛擬成若干個獨立的邏輯服務器。

• 另一種是把若干分散的物理服務器虛擬化為一個大的邏輯服務器，比如網(wǎng)格技術，Hadoop 大數(shù)據(jù)技術。

根據(jù)虛擬化層實現(xiàn)方式的不同分為寄居虛擬化和裸機虛擬化兩種。

服務器虛擬化的底層實現(xiàn)：CPU 虛擬化、內(nèi)存虛擬化、I/O 虛擬化。

1.6.6 虛擬機遷移

將虛擬機實例從源宿主機遷移到目標宿主機，并且在目標宿主機上能夠將虛擬機運行狀態(tài)恢復到其在遷移之前相同的狀態(tài)，以便能夠繼續(xù)完成應用程序的任務。

1.6.6.1 虛擬機實時遷移對云計算的意義

• 云計算中心的物理服務器負載經(jīng)常處于動態(tài)變化中，當一臺物理服務器負載過大時，若此刻不能提供額外的服務器，管理員可以將其上面的虛擬機遷移到其他服務器，達到負載平衡。

• 云計算中心的物理服務器有時候需要定期進行升級維護，當升級維護服務器時，管理員可以將其上面的虛擬機遷移到其他服務器，等升級維護完成后，再把虛擬機遷移回來，實現(xiàn)升級維護時業(yè)務不中斷的目標。

1.6.7 存儲虛擬化

存儲虛擬化是一種貫穿于整個 IT 環(huán)境、用于簡化本來可能會相對復雜的底層基礎架構的技術。存儲虛擬化的思想是：將資源的邏輯映像與物理存儲分開，從而為系統(tǒng)和管理員提供一副簡化、無縫的資源虛擬試圖。

1.6.7.1 存儲虛擬化的原動力

• 標準化接入：能夠使不同的存儲器按標準的方式接入到存儲設備。

• 統(tǒng)一數(shù)據(jù)管理：能夠在統(tǒng)一的空間資源整合基礎上，提供復制功能，快照功能，遷移功能，鏡像功能，能夠實現(xiàn)跨設備、跨地域的資源遷移，使數(shù)據(jù)可以在不同品牌、不同設備之間進行自由流動。

• 空間資源整合：把這些空間資源（異構資源）進行整合，進行統(tǒng)一的調度和管理。

1.6.7.2 什么是存儲虛擬化

存儲虛擬化是指將存儲網(wǎng)絡中各個分散且異構的存儲設備按照一定的策略映射成一個統(tǒng)一的連續(xù)編制的邏輯存儲空間，稱為虛擬存儲池，并將虛擬存儲池的訪問接口提供給應用系統(tǒng)。

小Tips：虛擬化層的作用是提供了虛擬化的邏輯卷與底層的物理設備間的一種映射操作；屏蔽掉所有存儲設備的物理特性。

1.6.7.3 存儲虛擬化的優(yōu)勢

• 存儲虛擬化將系統(tǒng)中分散的存儲資源整合起來。

• 在虛擬層通過使用數(shù)據(jù)鏡像，數(shù)據(jù)校驗和多路徑等技術提高了數(shù)據(jù)的可靠性及系統(tǒng)的可用性。

• 利用負載均衡、數(shù)據(jù)遷移、數(shù)據(jù)塊重組等技術提升系統(tǒng)的潛在性能。

• 整合和重組底層物理資源。

1.6.7.4 存儲技術分類

• 磁盤陣列（RAID）：磁盤陣列是由很多塊獨立的磁盤，組合成一個容量巨大的磁盤組，利用個別磁盤提供數(shù)據(jù)所產(chǎn)生的加成效果提升整個磁盤系統(tǒng)效能。利用這項技術，將數(shù)據(jù)切割成許多區(qū)段，分別存放在各個硬盤上。RAID 技術把多個物理磁盤用陣列的形式，通過一定的邏輯關系結合，成為一個大容量的虛擬磁盤

• 網(wǎng)絡附屬存儲（網(wǎng)絡存儲器 NAS ）：一種專用數(shù)據(jù)存儲服務器。以數(shù)據(jù)為中心，將存儲設備與服務器徹底分離，集中管理數(shù)據(jù)，從而釋放帶寬、提高性能、降低總擁有成本、保護投資；其成本遠遠低于使用服務器存儲，而效率卻遠遠高于后者。

• 存儲區(qū)域網(wǎng)絡（SAN）：專門為存儲建立的獨立于 TCP/IP 網(wǎng)絡之外的專用網(wǎng)絡。存儲容量大，速度快。

1.6.7.5 存儲虛擬化的實現(xiàn)方式

• 基于主機的存儲虛擬化：當僅需要單個主機服務器訪問多個磁盤陣列時，可以使用基于主機的存儲虛擬化技術。

• 基于存儲設備的存儲虛擬化：當有多個主機服務器需要訪問同一個磁盤陣列時，可以使用基于存儲設備的存儲虛擬化技術。

• 基于網(wǎng)絡的存儲虛擬化：當多個主機服務器需要訪問多個異構存儲設備時，可以使用基于網(wǎng)絡的存儲虛擬化技術。

1.6.8 網(wǎng)絡虛擬化

網(wǎng)絡虛擬化是讓一個物理網(wǎng)絡能夠支持多個邏輯網(wǎng)絡，虛擬化保留了網(wǎng)絡設計中原有的層次結構、數(shù)據(jù)通道和所能提供的服務，使得最終用戶的體驗和獨享物理網(wǎng)絡一樣，同時網(wǎng)絡虛擬化技術還可以高效的利用網(wǎng)絡資源，如空間、能源、設備容量等。網(wǎng)絡虛擬化的目的是：在不改變傳統(tǒng)數(shù)據(jù)中心這個網(wǎng)絡的物理拖布結構的前提下，實現(xiàn)網(wǎng)絡的整合。

1.6.9 桌面虛擬化

桌面虛擬化是指將計算機的終端系統(tǒng)（也稱作左面）進行虛擬化，以達到桌面使用的安全性和靈活性?？梢酝ㄟ^任何設備，在任何地點，任何時間通過網(wǎng)絡訪問屬于我們個人的磚面系統(tǒng)。

1.6.9.1 桌面虛擬化的特點

• 快速、靈活部署

• 提高資源利用率

• 數(shù)據(jù)存放安全可靠

• 維護便利

• 節(jié)能減排

二、大數(shù)據(jù)

2.1 什么是大數(shù)據(jù)？

海量數(shù)據(jù)或巨量數(shù)據(jù)，其規(guī)模巨大到無法通過目前主流的計算機系統(tǒng)在合理的時間內(nèi)獲取、存儲、管理處理并提煉以幫助使用者決策。大數(shù)據(jù)——挖掘和整合一切有用的信息，為人類社會提供更好的服務。

2.2 大數(shù)據(jù)的特征——4V

• 數(shù)據(jù)量大

• 數(shù)據(jù)類型繁多

• 處理速度快

• 價值密度低（價值高）

2.3 大數(shù)據(jù)的技術支撐

• 存儲：存儲成本的下降

• 計算：運算速度越來越快

• 智能：機器擁有理解數(shù)據(jù)的能力

2.4 大數(shù)據(jù)處理方法

1. 大數(shù)據(jù)的采集：數(shù)據(jù)抓取、數(shù)據(jù)導入、物聯(lián)網(wǎng)傳感設備自動信息采集

2. 導入/預處理：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸約

3. 數(shù)據(jù)分析：三大作用：現(xiàn)狀分析、原因分析、預測分析。方法：對比分析、分組分析、交叉分析、回歸分析。

4. 數(shù)據(jù)挖掘：是創(chuàng)建數(shù)據(jù)挖掘模型的一組試探法和計算方法，通過對提供的數(shù)據(jù)進行分析，查找特定類型的模型和趨勢，最終形成創(chuàng)建模型?；痉椒ǎ侯A測建模、關聯(lián)分析、聚類分析、異常檢測。

2.5 大數(shù)據(jù)關鍵技術

• 數(shù)據(jù)采集與預處理

• 數(shù)據(jù)存儲和管理

• 數(shù)據(jù)處理與分析

• 數(shù)據(jù)隱私和安全

2.6 云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)三者之間的關系

云計算為大數(shù)據(jù)提供了技術基礎，大數(shù)據(jù)為云計算提供了用武之地；物聯(lián)網(wǎng)是大數(shù)據(jù)的重要來源，大數(shù)據(jù)技術為物聯(lián)網(wǎng)數(shù)據(jù)分析提供支撐；云計算為物聯(lián)網(wǎng)提供海量數(shù)據(jù)存儲的能力，物聯(lián)網(wǎng)為云計算技術提供了廣闊的應用空間。

2.7 大數(shù)據(jù)計算模式

• 批處理計算：針對大規(guī)模數(shù)據(jù)的批量處理

• 流計算：針對流數(shù)據(jù)實時計算

• 圖計算：針對大規(guī)模圖結構數(shù)據(jù)的處理

• 查詢分析計算：大規(guī)模數(shù)據(jù)的存儲管理和查詢分析

三、開源大數(shù)據(jù)框架 Hadoop

MapReduce：是由 Google 開發(fā)的一個針對大規(guī)模群組中的海量數(shù)據(jù)處理的分布式編程模型。

BigTable：是 Google 設計的分布式數(shù)據(jù)存儲系統(tǒng)，是用來處理海量數(shù)據(jù)的一種非關系型數(shù)據(jù)庫。

Google 文件系統(tǒng)（GFS）：是構建在廉價的服務器之上的大型分布式系統(tǒng)。為 Google 大數(shù)據(jù)處理系統(tǒng)提供海量的存儲，并且與 MapReduce 和 BigTable 等技術結合的十分緊密，GFS 處于系統(tǒng)的底層。

3.1 新方法、新思路

• 分而治之

• 分布式文件存儲

• 分布式并行計算模式

• 計算靠近數(shù)據(jù)

3.2 Hadoop 簡介

Hadoop 是 Apache 軟件基金會旗下的一個開源分布式計算平臺，為用戶提供了系統(tǒng)底層細節(jié)透明的分布式基礎架構。Hadoop 是基于 Java 語言開發(fā)的，具有很好的跨平臺特性，并且可以部署在廉價的計算集群中。Hadoop 的核心是分布式文件系統(tǒng) HDFS 和 MapReduce。Hadoop 被公認為行業(yè)大數(shù)據(jù)標準開源軟件，在分布式環(huán)境下提供了海量數(shù)據(jù)處理能力。

3.3 基于 Hadoop 的大數(shù)據(jù)處理框架

• 平臺管理層：確保整個數(shù)據(jù)處理平臺平穩(wěn)安全運行的保障，包括配置管理、運行監(jiān)控、故障管理、性能優(yōu)化、安全管理等在內(nèi)的功能。

• 數(shù)據(jù)分析層：提供一些高級的分析工具給數(shù)據(jù)分析人員，以提高他們的生產(chǎn)效率。

• 編程模型層：為大規(guī)模數(shù)據(jù)處理提供一個抽象的并行計算編程模型，以及為此模型提供可實施的編程環(huán)境和運行環(huán)境。

• 數(shù)據(jù)存儲層：提供分布式、可擴展的大量數(shù)據(jù)表的存儲和管理能力，強調的是在較低成本條件下實現(xiàn)海量數(shù)據(jù)表的管理能力。

• 文件存儲層：利用分布式文件系統(tǒng)技術，將底層數(shù)量眾多且分布在不同位置的通過網(wǎng)絡連接的各種存儲設備組織在一起，通過統(tǒng)一的接口向上層應用提供對象級文件訪問服務能力。

• 數(shù)據(jù)繼承層：系統(tǒng)需要處理的數(shù)據(jù)來源，包括私有的應用數(shù)據(jù)、存放在數(shù)據(jù)庫中的數(shù)據(jù)、被分析系統(tǒng)運行產(chǎn)生的日志數(shù)據(jù)等，這些數(shù)據(jù)具有結構多樣、類型多變的特點。

3.4 Hadoop 的特征

Hadoop 是一個能夠對大量數(shù)據(jù)進行分布式處理的軟件框架，并且是以一種可靠、高效、可伸縮的方式進行處理的，它具有以下幾個方面的特征：高可靠性、高效性、高可擴展性、高容錯性、成本低、運行在 Linux 平臺上、支持多種編程語言。

3.5 Hadoop 集群中有哪些節(jié)點類型

• NameNode：中心服務器，負責管理文件系統(tǒng)的名字空間以及客戶端對文件的訪問。執(zhí)行文件系統(tǒng)的名字空間操作，如打開、關閉、重命名文件或目錄。也負責確定數(shù)據(jù)塊到具體的 DataNode 節(jié)點的映射。

• DataNode：負責管理它所在節(jié)點上的存儲。負責處理文件系統(tǒng)客戶端的讀寫請求，在 NameNode 的調度下進行數(shù)據(jù)塊的創(chuàng)建、刪除和復制。

• SecondaryNameNode：幫助 NameNode 收集文件系統(tǒng)運行的狀態(tài)信息。

• ResourceManager：是 Yarn 集群主控節(jié)點，負責協(xié)調和管理整個集群（所有 NodeManager）的資源。

• NodeManager：管理一個 Yarn 集群中的每個節(jié)點，負責執(zhí)行有由 RsourceManage 指派的任務。

小Tips：其中前三個是和 HDFS 有關的守護進程，后兩個是和 MapReduce 有關的守護進程。

小Tips：上圖是 Hadoop 完全分布式集群的主從節(jié)點及對應的守護進程。這張圖中，master 節(jié)點既做主節(jié)點，又做從節(jié)點，因此這個集群中有一個主節(jié)點，三個從節(jié)點。偽分布式的運行模式是在單臺服務器上模擬 Hadoop 的完全分布式，并不是真正的分布式，而是使用線程模擬的分布式。在這個模式中，所有的守護進程（NameNode、DataNode、ResourceManager、NodeManager、SecondaryNameNode）都在同一臺機器上運行。此種模式除了并非真正意義上的分布式之外，其執(zhí)行邏輯完全類似于完全分布式，因此，常用于開發(fā)人員測試程序執(zhí)行。

3.6 MapReduce 的分而治之

Map 是映射，Reduce 是規(guī)約。

3.7 Hadoop 生態(tài)系統(tǒng)

Hadoop 在企業(yè)中的一種典型應用架構，如下圖所示：

小Tips：Hadoop Eclipse 插件，它可以直接嵌入到 Hadoop 開發(fā)環(huán)境中，從而實現(xiàn)了開發(fā)環(huán)境的圖形化界面，降低了編程的難度。

四、分布式文件系統(tǒng)HDFS

4.1 分布式結構

集群：集群就是邏輯上處理同一任務的機器集合，可以屬于同一機房，也可分屬不同的機房。

分布式：分布式文件系統(tǒng)把文件分布存儲到多個計算機節(jié)點上，成千上萬的計算機節(jié)點構成計算機集群。

4.2 計算機集群結構

與之前使用多個處理器和專用高級硬件的并行化處理裝置不同的是，目前的分布式文件系統(tǒng)所采用的計算機集群，都是由普通硬件構成的，這就大大降低了硬件上的開銷。

4.3 分布式文件系統(tǒng)的結構

分布式文件系統(tǒng)在物理結構上是由計算機集群中的多個節(jié)點構成的，這些節(jié)點分為兩類，一類叫“主節(jié)點”（Master Node）或者也被稱為“名稱節(jié)點”（NameNode），另一類叫“從節(jié)點”（Slave Node）或者也被稱為“數(shù)據(jù)節(jié)點”（DataNode）。

HDFS 是一個大規(guī)模的分布式文件系統(tǒng)，采用 master/slave 架構，一個 HDFS 集群是有一個 NameNode 和一定數(shù)目的 DataNode 組成。

• NameNode：是一個中心服務器，負責管理文件系統(tǒng)的名字空間和客戶端對文件的訪問。NameNode 執(zhí)行文件系統(tǒng)的名字空間操作，比如打開、關閉、重命名文件或目錄，負責確定的數(shù)據(jù)塊到 DataNode 節(jié)點的映射。

Hadoop 集群中的節(jié)點及對應的守護進程，如下圖所示：

4.4 HDFS高可靠性的保證——副本冗余機制

HDFS 為了做到高可靠性，創(chuàng)建了多份數(shù)據(jù)塊的復制，并將它們放置在服務器群的計算節(jié)點中，MapReduce 就可以在它們所在的節(jié)點上處理這些數(shù)據(jù)了。

五、分布式并行計算框架 MapReduce

5.1 并行編程之 MapReduce

5.2 MapReduce 的核心思想

分而治之，一個存儲在分布式文件系統(tǒng) HDFS 中的大規(guī)模數(shù)據(jù)集，會被切分成許多獨立的分片，即：一個大任務分成多個小的子任務（map），由多個節(jié)點進行并行執(zhí)行，并行執(zhí)行后，合并結果（reduce）。MapReduce 采用的是“分而治之”的思想，把對大規(guī)模數(shù)據(jù)集的操作，分發(fā)給一個主節(jié)點管理下的各個從節(jié)點完成，然后通過整合各個節(jié)點的中間結果，得到最終結果。簡單來說，MapReduce 就是“任務的分解與結果的匯總”。

小Tips：適合使用 MapReduce 來小處理的數(shù)據(jù)集需要滿足一個前提條件：一個大數(shù)據(jù)若可以分為具有同樣計算過程的數(shù)據(jù)塊，并且這些數(shù)據(jù)塊之間不存在數(shù)據(jù)依賴關系，則提高處理速度的最好辦法就是并行計算。

六、Hive

七、Spark

八、結語

今天的分享到這里就結束啦！如果覺得文章還不錯的話，可以三連支持一下，春人的主頁還有很多有趣的文章，歡迎小伙伴們前去點評，您的支持就是春人前進的動力！

文章來源地址http://www.zghlxwxcb.cn/news/detail-760651.html

到了這里，關于云計算與大數(shù)據(jù)之間的羈絆（期末不掛科版）：云計算 | 大數(shù)據(jù) | Hadoop | HDFS | MapReduce | Hive | Spark的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！