《spark编程基础（python）版》第一章習題

1. (简答题) 简述大数据处理的基本流程。

大数据处理的基本流程主要包括：数据采集、存储管理、处理分析、结果呈现等环节。

2. (简答题) 请列举hadoop生态系统的各个组件及其功能。
   

Ambari就是创建、管理、监视 Hadoop 的集群，是为了让 Hadoop 以及相关的大数据软件更容易使用的一个web工具。

Zookeeper：分布式协调服务基础组件，可以用ZooKeeper来做：统一配置管理、统一命名服务、分布式锁、集群管理。

Hbase：基于HADOOP的分布式海量数据库。

Hive：基于大数据技术（文件系统+运算框架）的SQL数据仓库工具。

Pig：一种数据流语言和运行环境，常用于检索和分析数据量较大的数据集。

Mahout：主要目标是创建一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智