1、大数据（Hadoop）面试题及答案概要 Hadoop是一个由Apache基金会开发的分布式系统框架，旨在处理海量数据的存储和计算。它以四个主要优势——高可靠性、高扩展性、高效性和高容错性，为核心特性。Hadoop技术生态体系包括Sqoop、Flume、Kafka、Spark、Flink等工具，它们在数据处理的不同环节中发挥关键作用。
2、大数据的本质与特性 大数据是处理海量、高速增长和多样性的数据，以提取价值和驱动业务决策的关键工具。其五大特征，Volume（数据量）、Velocity（速度）、Variety（多样性）、Veracity（准确性）和Value（价值），是理解其核心的关键。
3、大数据和Hadoop几乎是同义词。随着大数据的兴起，专门用于大数据操作的Hadoop框架也开始流行。专业人士可以使用该框架来分析大数据并帮助企业做出决策。注意： 在大数据采访中通常会问这个问题。 可以进一步去回答这个问题，并试图解释的Hadoop的主要组成部分。
大数据是一系列技术的统称，经过多年的发展，大数据已经形成了从数据采集、整理、传输、存储、安全、分析、呈现和应用等一系列环节，这些环节涉及到诸多大数据工作岗位，这些工作岗位与物联网、云计算也都有密切的联系。大数据技术的三个重点：Hadoop、spark、storm。
Hadoop，Spark和Storm是目前最重要的三大分布式计算系统，Hadoop常用于离线的复杂的大数据处理，Spark常用于离线的快速的大数据处理，而Storm常用于在线的实时的大数据处理。
Hadoop是具体的开源框架，是工具，用来做海量数据的存储和计算的。hadoop与大数据的关系 首先，大数据本身涉及到一个庞大的技术体系，从学科的角度来看，涉及到数学、统计学和计算机三大学科，同时还涉及到社会学、经济学、医学等学科，所以大数据本身的知识量还是非常大的。
RapidMiner RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。PentahoBI PentahoBI平台不同于传统的BI产品，它是一个以流程为中心的，面向解决方案（Solution）的框架。
大数据分析工具有很多，主要包括以下几种： Hadoop Hadoop是一个允许在廉价硬件上运行大规模数据集的开源软件框架。它提供了分布式文件系统（HDFS），能够存储大量数据并允许在集群上进行并行处理。此外，Hadoop还提供了MapReduce编程模型，用于处理大规模数据集。
- SQL Server：适合中小企业，部分大型企业也采用，集成了数据报表和分析功能。- DBOracle：专为企业级应用设计，适合大型企业和对数据存储有高需求的情况。 数据报表层工具帮助企业生成规范的报表，以便进行数据分析。
数据分析工具种类繁多，主要分为数据获取、存储、管理、计算、分析和展示几个方面。 常用的数据分析工具包括SAS、R、SPSS、Python和Excel。 Python是一种面向对象、解释型的编程语言，以其简洁的语法和丰富的类库而受欢迎。它常用于快速原型开发，然后针对特定需求用其他语言进行优化。
1、常见的数据处理软件有Apache Hive、SPSS、Excel、Apache Spark、 Jaspersoft BI 套件。Apache Hive Hive是一个建立在Hadoop上的开源数据仓库基础设施，通过Hive可以很容易的进行数据的ETL，对数据进行结构化处理，并对Hadoop上大数据文件进行查询和处理等。
2、大数据处理软件有：Apache Hadoop、Apache Spark、大数据实时处理软件Storm等。 Apache Hadoop Apache Hadoop是一个分布式系统基础架构，主要用于处理和分析大数据。它能够利用集群的威力进行高速运算和存储，用户可以在不了解底层细节的情况下处理大规模数据集。
3、数据获取：在此环节中，我们通常使用如Python的Pandas库，它能够帮助我们快速地从各种数据源中提取所需的数据。 数据存储：对于大数据的处理与存储，常用的工具有Hadoop、Hive等，它们能够有效地对大规模数据进行分布式存储和管理。
4、大数据的软件有：Hadoop、Spark、大数据一体机软件等。Hadoop Hadoop是一个开源的分布式计算框架，专为大数据处理而设计。它允许在大量廉价计算机上分布式存储和处理数据，其核心组件包括分布式文件系统HDFS、MapReduce编程模型和YARN资源管理框架。
5、大数据处理：- 经典软件包括Apache Spark、Apache Hadoop、Elasticsearch（ES）、Kafka、HBase和Hive。- 常用的数据处理工具还有Flume和Sqoop，它们助于处理海量数据。 机器学习：- 机器学习领域常用的软件有scikit-learn（sklearn）、Apache Spark的MLlib以及自定义代码实现。
主要是方向的差异。关系数据库技术建立在关系数据模型之上，是主要用来存储结构化数据并支持数据的插入、查询、更新、删除等操作的数据库。Hadoop技术为面向大数据分析和处理的并行计算模型。两者反向不一样。简介：数据库是“按照数据结构来组织、存储和管理数据的仓库”。
其实这两个东西不是同类 hadoop是一个分布式云处理架构，倾向于数据计算而oracle是一个关系型数据库，倾向于数据存储。要说比较可以比较hbase与oracle。
hadoop是个轻量级的产品，又是开源的，不像dpf那么复杂，还要购买商业软件，搭个DPF环境需要费挺大力气的。hadoop能处理半结构化，非结构化数据。但hadoop要写mapreduce函数，这个比起SQL来，方便灵活性差太多了。
