一、什么是大数据？
大数据是适应时代的产物，在我们的生活中应用也很广泛。首个提出大数据概念的是：麦肯锡。
大数据的数据计量单位已经越过了TB级别，发展到了PB、EB、ZB、YB、BB来衡量。
二、大数据的特征是什么？
大数据有四个方面的典型特征：大量（Volume）、多样（Varity）、高速（Velocity）、价值（Value）。
- 大数据处理的数据是大量的；
- 大数据处理的数据是多样的；
- 使用计算机处理数据是高速的；
- 通过大数据对大量的数据进行分析，可以得到有价值的信息。
- 大数据对数据的实时性要求较高，而且，大数据由于数据庞大，所以有很多没有价值的数据，因此，数据处理效率相对来说不高。
三、研究大数据的意义是什么？
研究大数据最重要的意义是预测。通过对大量数据的分析，建立数据思维模型，从而对未来进行推测和预测。
四、大数据有哪些应用场景？
医疗行业、金融行业、零售行业都可以很好的应用到大数据。
五、什么是hadoop？
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
六、hadoop的优势是什么？
- 扩容能力强：内存可以进行横向扩展；
- 成本低：hadoop集群可以由一些廉价的计算机组成；
- 高效率：hadoop集群有很高的数据吞吐量和高效的数据处理能力；
- 可靠性：hadoop集群上的副本机制，可以很好的保证数据的安全；
- 高容错性：hadoop集群可以容忍错误的发生，少量的计算机出错不会影响整体运行，而且hadoop集群含有纠错机制。
七、hadoop的生态系统
随着hadoop的发展，hadoop现在有一个庞大的生态体系
- HDFS(分布式文件系统)：是hadoop生态系统核心项目之一，是分布式计算中数据存储管理基础；
- MapReduce(分布式计算框架)：是一种计算模型，用于大规模数据集(大于1TB)的并行运算；
- Yarn(资源管理框架)：是hadoop2.0中的资源管理器，可为上层应用提供统一的资源管理和调度；
- Sqoop(数据迁移工具)：开源的数据导入导出工具，主要用于hadoop与传统数据库(mysql等)间进行数据的转换；
- Mahout(数据挖掘算法库)：apache旗下的一个开源项目，提供了一些可扩展的机器学习领域经典算法的实现，帮助开发人员方便快捷地创建智能应用程序；
- HBase(分布式存储系统)：是一个针对结构化数据的可伸缩、高可靠、高性能、分布式和面向列的动态模式数据库；
- Zookeeper(分布式协作服务)：是一个分布式的，开放源码的分布式应用程序协调服务；
- Hive(基于Hadoop的数据仓库)：Hive是基于Hadoop的一个分布式数据仓库工具，可以将结构化的数据文件映射为一张数据库表，将SQL语句转换为MapReduce任务进行运行；
- Flume(日志手机工具)：是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集，聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据，同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。
