hadoop的背景与意义？

一、hadoop的背景与意义？

HADOOP最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。

Hadoop得以在大数据处理应用中广泛应用得益于其自身在数据提取、变形和加载(ETL)方面上的天然优势。Hadoop的分布式架构，将大数据处理引擎尽可能的靠近存储，对例如像ETL这样的批处理操作相对合适，因为类似这样操作的批处理结果可以直接走向存储。Hadoop的MapReduce功能实现了将单个任务打碎，并将碎片任务(Map)发送到多个节点上，之后再以单个数据集的形式加载(Reduce)到数据仓库里。

二、cProc与Hadoop的区别？

cProc是借鉴Hadoop并行处理框架开发的一套云处理软件，解决了Hadoop的单点故障问题，并且优化和大大提升了Hadoop的性能。

同时，cProc还带有数据立方存储索引结构，解决了海量数据的快速索引和查询问题，使得百亿条数据能够在秒级处理，可以让系统具备数据实时入库、实时查询、查询结果实时传输等优点。

三、Hadoop与Spark的关系，Spark集群必须依赖Hadoop吗？

必须在hadoop集群上，它的数据来源是HDFS，本质上是yarn上的一个计算框架，像MR一样。

四、GreenPlum与hadoop什么关系？

GreenPlum采取的是PostgreSql框架，是PostgreSql系的重要应用。从这个角度上可以知道GreenPlum是关系型数据库。

Hadoop框架是一种分布式的平台设计理念。它本身不是数据库。其中Impala可以认为是一种非关系型的数据库, Hive相当于SQL。

分布式，是多个方面的，最主要是存储方面。GreenPlum的分布式主要体现在多个机器文件存储，授权等方面。而Hadoop的文件管理方面，也是分布式的，因为只有分布式的部署才能最大效力的发回Hadoop的功能。

因此可以认为GreenPlum和Hadoop没有直接关系。

五、php5.4与php7的区别？

php5与php7之间的区别： 1、性能提升：PHP7比PHP5.0性能提升了两倍。 2、以前的许多致命错误，现在改成抛出异常。 3、PHP 7.0比PHP5.0移除了一些老的不在支持的SAPI（服务器端应用编程端口）和扩展。 4、PHP 7.0比PHP5.0新增了空接合操作符。 5、PHP 7.0比PHP5.0新增加了结合比较运算符。 6、PHP 7.0比PHP5.0新增加了函数的返回类型声明。 7、PHP 7.0比PHP5.0新增加了标量类型声明。 8、PHP 7.0比PHP5.0新增加匿名类。 9、错误处理和64位支持

六、hadoop的4个优势与原理？

优势1、高可靠性2、高扩展性3、高效性4高兼容

原理：其底部是HSDS，它存储Hadoop集群中所有存储节点文件。HDFS的上一层是引擎。

七、python与php的区别？

Python与PHP是两种不同的编程语言，它们有以下区别：

1. 用途：Python是一种通用的、高级的、解释性的编程语言，可以用于开发各种类型的应用程序，包括网站、桌面应用、科学计算等；而PHP主要用于开发Web应用程序。

2. 语法：Python的语法相对简洁、优雅，可读性较高；而PHP的语法较为松散、灵活，语法规则不够严格。

3. 执行方式：Python是解释执行的编程语言，需要安装Python解释器才能运行；而PHP是服务器端脚本语言，可以直接嵌入到HTML中并由Web服务器解析和执行。

4. 生态系统：Python拥有非常强大的生态系统，包括丰富的第三方库和框架，可以简化开发过程；PHP的生态系统也很不错，有许多优秀的框架和开发工具可供选择。

5. 性能：一般情况下，PHP的执行速度较快，适合处理大量的并发请求；而Python的执行速度相对较慢，但可以通过使用C扩展等方式来提高性能。

综上所述，Python更适合用于通用的、灵活的编程任务，而PHP更适合用于Web开发。选择哪种语言取决于具体的应用场景和个人偏好。

八、java与php的区别？

首先，从概念上讲，Java是一种面向对象的程语言，它具有简单性、面向对象性、分布式、健壮性、安全性、平台独立性和可移植性、多线程，动力学等特点；PHP是一种通用的开源脚本语言。它的语法吸收了C语言、Java和Perl的特点，有利于学习和广泛使用。

其次，从学习困难的程来看，PHP比Java简单得多。Java需要学历，本科以上学历的人更适合学习Java，也可以学习Java。然而，PHP的教育要求相对较低，大专和初中学历的人也可以学习PHP。

第三，从应用领域来看，PHP主要用于网站，适用于快速开发、中小规模的应用系统，开发成本低，并能及时调整任何变化。Java的应用领域要广得多，因为Java在多线程有着完善的框架和良好的稳定性以及高并发性，所以在网站、嵌入式领域、金融行业服务器、安卓应用等领域都需要Java开发人才。

最后，从开发的角度来看，如果你想在未来专注于网络领域的开发，学习PHP就足够了，而Java适合大规模系统。如果你不打算只做网络，你需要学习Java。PHP开发在北京的平均工资是每月19，260元，Java开发是每月20，440元。PHP和Java都有很好的前景。

扩展知识：

Java是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程 。

Java具有简单性、面向对象、分布式、健壮性、安全性、平台独立与可移植性、多线程、动态性等特点。Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等

PHP即“超文本预处理器”，是一种通用开源脚本语言。PHP是在服务器端执行的脚本语言，与C语言类似，是常用的网站编程语言。PHP独特的语法混合了C、Java、Perl以及 PHP 自创的语法。利于学习，使用广泛，主要适用于Web开发领域

九、php如何与oracle连接？

PHP其实本身是自带Oracle的扩展的，只不过开启之后基本上没有任何作用，需要自己去下载新版本的扩展，需要根据Oracle数据库版本去下载扩展，而且还需要下载对应

php

版本的oracle instant client 来支持扩展的运行，不然只是开启扩展，扩展也是开启不成功的，如果电脑上安装了Oracle数据的话，就不用下载oracle instant client ，这里我本地没有Oracle的客户端所以需要下载oracle instant client。

下载完成之后，解压到同一个文件夹目录下， 在这里，我们放在E:\Oracle下，解压到当前文件夹，最后会自动生成一个新的文件夹instantclient_11_2，两个安装包的文件都会放到该文件夹下，即 E:\Oracle\instantclient_11_2。

二、 修改系统变量

1> 将E:\Oracle\instantclient_11_2添加到系统变量PATH中

2> 新增系统变量

NLS_LANG=AMERICAN_AMERICA.WE8MSWIN1252 -->> 服务器端字符集

TNS_ADMIN=E:\Oracle\instantclient_11_2 -->> 指定tnsnames.ora所在位置

注意：如果安装网上方法系统变量依然没有生效的话，需重启电脑让修改的系统变量生效。

三、 在E:\Oracle\instantclient_11_2 下新建tnsnames.ora配置文件，内容如下：

到这里支持的扩展工具就安装好了，接下来就去下载oci8的php扩展包。

需要根据php版本下载对应版本的扩展，解压后将解压出来的.dll文件放到对应php的ext中，最后在php.ini中增加开启对应的扩展

extension=php_oci8.dll

extension=php_oci8_11g.dll

执行完成之后可以在phpinfo中查看到对应的功能已经开启。

如果你的phpinfo里面显示出来了这些就说明PHP已经可以连接并操作Oracle数据库了。

十、hadoop大数据与开发区别？

　　

　　区别于过去的海量数据，大数据的特点可以概况为4个V：Volume、Variety、Value和Velocity，即大量、多样、价值密度低、快速。

　　第一，数据体量大。大数据一般指在10TB(1TB=1024GB)规模以上的数据量，目前正在跃升到PB(1PB=1024TB)级别。不仅存储量大，计算量也大。

　　第二，数据类型多。除了数值数据，还有文字、声音、视频等，包括网络日志、视频、图片、地理位置信息等多种类型的格式。由于数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。

　　第三，价值密度低。以视频为例，不间断监控视频中，有价值的数据可能仅有一两秒。找到有价值的信息有如沙里淘金，其价值却又弥足珍贵。

　　第四，处理速度快。在数据量非常庞大的情况下，也能做到数据的实时处理。这一点和传统的数据挖掘技术有着本质的不同。

　　大数据技术是指从各种类型的大体量数据中快速获得有价值信息的技术。这是大数据的核心问题。目前所说的大数据不仅指数据本身的规模，也包括采集数据的工具、平台和数据分析系统。大数据研发的目的是发展大数据技术并将其应用到相关领域，通过解决大体量数据处理问题促进其突破性发展。因此，大数据时代带来的挑战不仅体现在如何处理大体量数据并从中获取有价值的信息，也体现在如何加强大数据技术研发。大数据所涉及的关键技术大致包括6个方面：数据采集与数据管理、分布式存储和并行计算、大数据应用开发、数据分析与挖掘、大数据前端应用、数据服务和展现。

　　2大数据与Hadoop

　　大数据技术正在向各行各业渗透。Hadoop作为数据分布式处理系统的典型代表，已经成为该领域事实的标准。但Hadoop并不等于大数据，它只是一个成功的处理离线数据的分布式系统，大数据领域还存在众多其他类型的处理系统。

　　伴随大数据技术的普及，Hadoop因其开源的特点和卓越的性能成为一时的新宠，甚至有人认为大数据就是Hadoop，其实这是一个误区。Hadoop只是处理离线数据的分布式存储和处理系统。除了Hadoop，还有用于处理流数据的Storm、处理关系型数据的Oracle、处理实时机器数据的Splunk……目前主流的大数据系统很多，Hadoop只是其中的代表。