云计算和大数据基础知识
* 1: 100. 云计算
（一）大数据（BigData）
1. 定义：海量数据或巨量数据，其规模巨大到无法用当前主流的计算机系统在合理时间内获取、存储、管理、处理并提取以帮助使用者决策。
2. 特点：1 ）数据量大（Volume ） PB 级以上
2 ）快速（Velocity ） ------ 数据增长快
3 ）多样（Variety ）-------- 数据来源及格式多样
4 ）价值密度低（Value ）从大量、多样数据中提取价值的体系结构
5 ）复杂度（Complexity ）------- 对数据处理和分析的难度大
3. 大数据与云计算的关系：
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。
它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。
（二）云计算（Cloud Computing）
1. 定义：1 ）云计算是一种商业计算模型。它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。// 分布式计算
2 ）云计算是通过网络按需提供可动态伸缩的廉价计算服务。2. 特点：1 ）超大规模2 ）虚拟化
3 ）高可靠性4）通用性 5 ）高可伸缩性 6 ）按需服务7 ）极其廉价 3. 服务类型分类：
1 ）SaaS （软件即服务: ：Software as a Service） // 针对性更强，它将
某些特定应用软件功能封装成服务如：Salesforce online CRM
2 ）PaaS （平台即服务：Platform as a Service ）// 对资源的抽象层次更进一步，
提供用户应用程序运行环境如：Google App Engine ,Microsoft Windows Azure
3 ）IaaS （基础设施作为服务：Infrastructure as a Service ）// 将硬件设备等基
础资源封装成服务供用户使用，如：Amazon EC2/S3
4. 云计算的实现机制（体系结构）
1 ）SOA （面向服务的体系结构）：它将应用程序的不同功能单元（称为服务）通过这些服务之间定义良好的接口和契约联系起来。使得其服务能以一种统一的、通用的方式进行交互。
SOA 可以看作是B/S 模型、XML/Web Service 技术之后的自然延伸。
2 ）管理中间件：（关键部分）
3 ）资源池层：将大量相同类型的资源构成同构或接近同构的资源池。
4 ）物理资源层：计算机、存储器、网络设施、数据库和软件等
5. 云计算与网格计算
1 ）网格是基于SOA 、使用互操作、按需集成等技术，将分散在不同地理位置的资源虚拟化为一个整体。
2 ）关系类似于TCP/IP 协议之于OSI 模型
6. 云计算与物联网
1 ）物联网有全面感知，可靠传递、智能处理三个特征。云计算提供对智能处理所需要的海量信息的分析和处理支持。
2 ）云计算架构与互联网之上，而物联网依赖于互联网来提供有效延伸。因而，云计算模式是物理网的后端支撑关键。
* 1.1: 1. Google 云计算原理
（一）文件系统GFS
1 ）系统架构
2 ）实现机制:
①------------------------------ 节点分类：Client >Master > Chunk Server
②Master 负责管理。Client 与Master 之间只有控制流，而没有数据流
【数据流与控制流分离】
③Client 可以同时访问多个Chunk Server 。
【高度的I/O 并行】
3 ）特点
①采用中心服务器【Master 掌握Chunk Server 情况，方便实现负载均衡】
②不缓存数据
③在用户态下实现
4 ）容错机制
①Master 容错： a. 对应Chunk Server 留有备份
②Chunk Server 容错： a. 多个副本备份（ 3 个） b. GFS 每个文件被分为多个Chunk （64MB ） c. Chunk 分为Block （64kb ）, 每个Block 对应一个32 bit 校验和
（二）分布式计算编程模型MapReduce
1 ）编程模型
①划分为M 个Map ，每一个Map 针对不同的原始数据，互相独立、并行操作。② Reduce 操作则是对每个Map 产生的中间结果进行合并。每个Reduce 所处理的最终结果互不交叉，通过简单相连即可形成完整的结果集。
PS: Map: （in key, in value ） ---> N 个Map
Reduce: （ key（value1,value2,... ）） ---> 对相同的Key 对应的value 进行并行
处理// 统计单词出现次数，每个Map 统计一部分文本，Reduce 进行合并。
2 ）实现机制
3 ）容错机制
①Master 失效：周期性地设置检查点，一旦任务失效，则从最近一个检查点重新执行
②Worker 失效：Master 周期性地ping Worker , Worker 不答复即失效，任务调度分配给其他Worker
（三）分布式锁服务Chubby
1 ）作用：Chubby 是Google 设计的提供粗粒度锁服务的一个文件系统，它基于松耦合
分布式系统，解决了分布的一致性问题
2 ）Paxos 算法
①proposers （提议）--->® acceptors （接收并做出选择）---->@ leaner （决策） // 条件？
3 ）实现
（四）分布式结构化数据表BigTable
1 ）作用
①基于GFS 和Chubby 的分布式存储系统。
