Hadoop权威指南（第2版）--第1章

1.RAID和HDFS的区别

2.MapReduce编程模型：线性可伸缩，使用无共享框架，将问题分为独立的块，再进行并行计算。

3.Hadoop提供一个可靠的共享存储和分析系统，HDFS实现存储，而MapReduce实现分析处理。

4.磁盘寻址时间的提高远远慢于传输速率的提高。寻址是将磁头移动到磁盘位置进行读写操作的过程，它是导致磁盘操作延迟的主要原因，而传输速率取决于磁盘的带宽。

5.数据库系统只更新一小部分记录时，传统的B树更有优势；但数据库系统更新大部分数据时，B树的效率比MapReduce低得多，因为需要使用“排序/合并”来重建数据库。

6.区别MapReduce和关系数据库RDBMS

（1）MapReduce比较适合于批处理的方式处理需要分析的整个数据集，尤其是即席分析。

（2）关系数据库适用于“点查询”和更新，数据集被索引后，数据库系统能够提供低延迟的数据检索和快速的少量数据更新。

  MapReduce适合一次写入、多次读取数据的应用；RDBMS更适合持续更新的数据集。

（3）它们所操作的数据集的结构化程度。MapReduce对于非结构化或半结构化数据非常有效。

7.结构化数据：具有既定格式的实体化数据，诸如XML文档、满足特定预定义格式的数据库表

半结构化数据：比较松散，可能有格式，但常被忽略；

非结构化数据：没有特别的内部结构，如纯文本、图像数据

8.MapReduce的设计目标服务于那些只需要数分钟或数小时即可完成的作业，并且运行于内部通过高速网络连接的单一数据中心内，且该数据中心内的计算机需要由可靠的、定制的硬件构成。

9.Hadoop项目生态圈：

9.1 Common

9.2 Avro

9.3 MapReduce

9.4 HDFS

9.5 Pig

9.6 Hive

9.7 HBase

9.8 ZooKeeper

9.9 Sqoop