1.大数据概述

1.列举Hadoop生态的各个组件及其功能、以及各个组件之间的相互关系，以图呈现并加以文字描述。

（1）HDFS分布式文件系统

　　HDFS可以兼容廉价的硬件设备，利用较低成本的及其实现大流量和大数据量的读写。

（2）MapReduce

　　MapReduce是分布式并行编程模型，用户大规模数据集的并行计算，让不会分布式并行编程的技术人员，也可以将程序运行在分布式系统上，实现海量数据集的计算。

（3）YARN

　　YARN是集群资源调度管理的组件，在YARN之上部署其他计算框架，由YARN统一进行资源分配。

（4）HBase

　　HBase可以支持超大规模数据存储，它可以通过水平扩展的方式，利用廉价计算机集群处理由超过10亿行元素和数百万列元素组成的数据表

（5）Hive

　　对存储在Hadoop文件中的数据集进行数据整理、特殊查询和分析处理。

（6）Flume

　　Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接收方的能力。

（7）Sqoop

　　用来在Hadoop和关系数据库之间交换数据，可以改进数据的互操作性。

2.对比Hadoop与Spark的优缺点。

（1）性能

　　Spark在内存中处理数据相比于Hadoop使用磁盘io进行操作速度更快

（2）易用性

　　Spark支持Scala、Java、Python、Spark SQL等语言等，Spark可以使用交互模式操作获得实时反馈。

MapReduce没有交互模式。

（3）成本

　　Spark在数据多大PB的情况下依然有非常高的处理速度。被用于在数量只有十分之一的机器上，对100TB数据进行排序的速度比Hadoop MapReduce快3倍。

（4）兼容性

　　MapReduce和Spark相互兼容;MapReduce通过JDBC和ODC兼容诸多数据源、文件格式和商业智能工具，Spark具有与MapReduce同样的兼容性。

3.如何实现Hadoop与Spark的统一部署？

不同的计算框架统一运行在YARn之上，由YARN进行资源调度和管理，计算资源按需伸缩，不需要负载应用混搭，提高集群利用率，共享底层存储，避免数据跨集群迁移。