大数据 期末总结

大数据学期期末总结
在对大数据的学习中了解了应用的基本配置以及下载方式,在每次的学习中跟随老师的步伐学习代码的基本知识,跟着一起敲代码,虽然还是自己理解很困难,但是还是想学好这门科目。
学习了一学期的大数据,每个星期都在四号楼上课,我们在这节课上学习基础知识,实验每一个课时的练习,在实践中学习有助于知识的理解记忆 ,这一个学期的学习,如果有不懂的地方就在讲稿里面看案例,或者CSDN里面查询,每次代码运行不出来的时候不知道怎么改,就去问已经做出来的同学的模板。
跟着老师练习了多种程序,下课时并没有及时多加理解练习,等到了下一节课也还是看不懂代码的内容。

总结
课下缺乏练习,自制力不足,代码是越敲越顺的,但是课上跟着老师敲代码时没有掌握,只能跟着打,自己独立写代码时就捉瞎了,平时练习时更改一下条件就不能独立写出来了,知识缺口太大,还需要多加弥补。

期望
能够在有限的时间里多加练习自己独立写代码,能跟上课程的讲解,能及时理解明白代码中的含义。真正发掘出自己对代码的兴趣,自己主动学习代码的编写,真正完成一个自己独立编写的小程序,能在运行时不报错、没有bug。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hadoop是一种开源的分布式计算平台,可以用于大规模数据的存储和处理。它最初是由Apache软件基金会开发的,目的是为了应对大数据时代的挑战。 Hadoop的核心组件包括Hadoop分布式文件系统(HDFS)和Hadoop MapReduce。HDFS是一种高可靠性、高容错性的文件系统,它可以将大规模数据分布存储在集群中的多个节点上。通过将数据划分成不同的块并分布在不同的节点上,HDFS可以实现数据的并行读写,提高数据存储和访问的效率。 Hadoop MapReduce是一种编程模型,用于将大规模数据的处理任务分解成多个小任务并在分布式计算环境中并行执行。MapReduce的核心概念是将任务分为两个阶段:Map和Reduce。Map阶段将输入数据进行处理和转换,产生中间结果。Reduce阶段将中间结果进行整理和归约,生成最终结果。通过并行执行多个Map和Reduce任务,Hadoop可以高效地进行大规模数据处理。 除了HDFS和MapReduce,Hadoop还有其他一些重要的组件,如Hadoop YARN和Hadoop Common。Hadoop YARN是一个资源管理系统,负责协调集群中的计算资源,并为不同的应用程序提供资源调度和管理功能。Hadoop Common是Hadoop的公共库和工具集,提供了各种与Hadoop相关的功能和工具。 Hadoop具有许多优点,例如可扩展性强、容错性高、成本低廉、易于使用等。它可以帮助企业和研究机构处理大规模数据,并从中提取有价值的信息。随着大数据的不断增长和发展,Hadoop在各个行业中得到广泛应用,为数据分析和决策提供重要支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值