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
- 视频三：区分离线处理场景和实时处理场景
- 视频五：传统的大数据与现代的大数据区别（离线场景）
- 大数据的两个典型的特点：
- 视频六：大数据生态全览
- 视频七：HDFS概述
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
