㈠ 2 分钟读懂大数据框架 Hadoop 和 Spark 的异同

这个是两个东西。spark主要是来做小批量和准实时的数据流计算，其本身也支持类sql计算，还可以用来作为计算引擎；而hadoop包含hive.hdfs.mr和yarn，各有自己的功能

㈡ 大数据具有哪些特征 多选题2分

容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；[7]
种类（专Variety）：数据类型的多样性属；[7]
速度（Velocity）：指获得数据的速度；[7]
可变性（Variability）：妨碍了处理和有效地管理数据的过程。[7]
真实性（Veracity）：数据的质量[7]
复杂性（Complexity）：数据量巨大，来源多渠道[7]
价值（value）：合理运用大数据，以低成本创造高价值

㈢ 大数据花了，想借5w，利息在每月2分左右的，半年还。

大数据花了，那么你的征信呢？如果征信无逾期记录，只是查询多，可以试试做小额贷款，当然前提是你要有工作有社保有代发工资，要是没有这些硬性条件，那我劝你还是找亲戚朋友借吧

㈣ 2分钟读懂大数据框架Hadoop和Spark的异同

1、 Spark VSHadoop哪些异同点

Hadoop:布式批处理计算强调批处理用于数据挖掘、析

Spark:基于内存计算源集群计算系统目让数据析更加快速, Spark 种与 Hadoop 相似源集群计算环境两者间存些同处些用同处使 Spark 某些工作负载面表现更加优越换句说Spark 启用内存布数据集除能够提供交互式查询外优化迭代工作负载

Spark Scala 语言实现 Scala 用作其应用程序框架与 Hadoop 同Spark Scala 能够紧密集其 Scala 像操作本集合象轻松操作布式数据集

尽管创建 Spark 支持布式数据集迭代作业实际 Hadoop 补充 Hadoop 文件系统并行运行通名Mesos第三集群框架支持行Spark 由加州伯克利校 AMP 实验室 (Algorithms,Machines,and People Lab) 发用构建型、低延迟数据析应用程序

虽 Spark 与 Hadoop 相似处提供具用差异新集群计算框架首先Spark 集群计算特定类型工作负载设计即些并行操作间重用工作数据集（比机器习算）工作负载优化些类型工作负载Spark 引进内存集群计算概念内存集群计算数据集缓存内存缩短访问延迟.

数据处理面相信家hadoop已经耳熟能详基于GoogleMap/Rece实现Hadoop发者提供map、rece原语使并行批处理程序变非简单优美Spark提供数据集操作类型种像Hadoop提供MapRece两种操作比map,filter, flatMap,sample, groupByKey, receByKey, union,join, cogroup,mapValues, sort,partionBy等种操作类型些操作称Transformations同提供Count,collect, rece, lookup, save等种actions些种数据集操作类型给层应用者提供便各处理节点间通信模型再像Hadoop唯Data Shuffle种模式用户命名物化控制间结区等说编程模型比Hadoop更灵.

2、Spark容错性面否比其工具更优越性

Spark论文《Resilient Distributed Datasets: AFault-TolerantAbstraction for In-Memory Cluster Computing》没看容错性做倒提布式数据集计算做checkpoint两种式checkpoint dataloggingthe updates貌似Spark采用者文提虽者看似节省存储空间由于数据处理模型类似DAG操作程由于图某节点错由于lineage chains依赖复杂性能引起全部计算节点重新计算本低说存数据存更新志做checkpoint由用户说算吧相于都没说皮球踢给用户所我看由用户根据业务类型衡量存储数据IO磁盘空间代价重新计算代价选择代价较种策略取代给间结进行持久化或建立检查点Spark记住产某些数据集操作序列节点现故障Spark根据存储信息重新构造数据集认错其节点帮助重建

3、Spark于数据处理能力效率哪些特色

Spark提供高性能数据处理能力使用户快速反馈体验更另类应用做数据挖掘Spark充利用内存进行缓存利用DAG消除必要步骤所比较合适做迭代式运算相部机器习算通迭代收敛算所适合用Spark实现我些用算并行化用Spark实现R语言便调用降低用户进行数据挖掘习本

Spark配流数据处理模型与Twitter Storm框架相比Spark采用种趣且独特办Storm基本像放入独立事务管道其事务布式处理相反Spark采用模型收集事务短间内（我假设5秒）批处理式处理事件所收集数据自RDD使用Spark应用程序用组进行处理作者声称种模式缓慢节点故障情况更加稳健且5秒间间隔通于数应用已经足够快种统流式处理与非流式处理部

总结
几看Hadoop权威指南、hbase权威指南、hive权威指南、规模布式存储系统、zoopkeeper、数据互联网规模数据挖掘与布式处理等书同补充能静完整看完本书相错

㈤ 大数据分析自学能行吗

大数据听起来高大上，真正了解大数据的人都清楚大数据行业是非常辛苦的。大数据的内容涉及到较多的基础内容，只有把基础内容融会贯通以后，才会往更高一层的数据分析师前进。

首先，想零基础学习大数据分析工作，一般最好有个本科的学历，大专也行。只是专科学历即使掌握了一定的大数据分析技术，在就业市场上的核心竞争力比较低，现在用人单位对于数据分析的职位的最低要求是本科及以上学历。

零基础学习大数据分析工作，需要有一定的编程能力，编程能力是可以练习与提升的。

目前大数据行业对于对于人才的要求也比较全面且严格。对于高级的大数据分析人才，会SAS、R、PYTHON三个软件中的一个或者多个是基础的要求，同时要求有一定的数理统计基础，这是对专业知识的要求，懂业务、有逻辑、对数据敏感、能够写分析报告、用数据解决实际问题，这是对数据分析人才的高级要求。

㈥ 大数据具有哪些特征 多选题2分

样本基数大，并且是长时间内发生的事件。

㈦ 刚入门大数据，谁能解释一下什么是二分查找

二分查找又称折半查找，对于有序表来说，它的优点是比较次数少，查找速度快，平均性能好。
二分查找的基本思想是将n个元素分成大致相等的两部分，取a[n/2]与x做比较，如果x=a[n/2],则找到x，算法中止；如果x<a[n/2]，则只要在数组a的左半部分继续搜索x，如果x>a[n/2]，则只要在数组a的右半部搜索x。
二分查找的时间复杂度为O(logn)
如果是刚刚入门大数据的话，推荐你一个学习的论坛，黑马程序员，里面有学习路线+视频+PPT课件等等，还有很多的技术分析。非常适合小白的。黑马官网上面还可以直接找老师领取配套课程。