2301_76553988的博客

数据库：是存储没有经过任何加工的原始数据的，通过数据库软件实现。数据库有很多表组成，每张表里面又有很多字段，因此能够通过表的二维来表现三维的关系。数据仓库：是为了满足数据分析需要设计的，存储的是经过ETL过程的数据，能够反映相当长一段时间内的历史数据内容，是不同时间点数据库快照的集合。2.数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。4.数据库是为捕获数据而设计，数据仓库是为分析数据而设计。1.数据库是面向事务的设计，数据仓库是面向主题设计的。UPDATE - 更新数据库中的数据。

HDFS的副本机制，HDFS上的每一份文件，默认是存储3个副本。一般来说，这三个副本会存放在多个地方，比如说同一个机房的不同机架，不同机房的机架，避免意外发生遭到团灭。读取数据时，如果读取的DataNode挂掉，则通过Yarn寻找另一台网络拓扑距离最近的机器上的备份数据进行断点续传。Apache Hive是一款分布式SQL计算的工具，其主要功能是：将SQL语句翻译成MapReduce程序运行。基于Hive为用户提供了分布式SQL计算能力，写的是SQL，运行的是MapReduce。

volume（体积）、variety（种类）、value（价值）、velocity（速度）、veracity（质量）分布式 ：分布式的主要工作是分解任务，将职能拆解，多个人在一起做不同的事。集群：集群主要是将同一个业务，部署在多个服务器上 ，多个人在一起做同样的事。广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。• 广义上：数字化、信息化时代的基础支撑，以数据为生活赋能。YARN（作业调度和集群资源管理的框架）：解决资源任务调度。• 狭义上：对海量数据进行处理的软件技术体系。