本文目录
大专大数据具体是学什么的？
数据库技术： 数据库是存储和管理数据的关键技术。大数据技术专业需要学习SQL和NoSQL等不同类型的数据库技术，以及如何优化数据库性能和处理海量数据的技术。
数据挖掘和机器学习： 数据挖掘和机器学习是大数据处理的核心技术。学习数据挖掘和机器学习技术可以帮助专业人员处理和分析大规模的数据集，发现数据中的模式和规律。
大数据存储和管理： 大数据需要用分布式存储和管理系统来存储和管理数据。需要学习Hadoop、Spark、Hive、HBase、Cassandra等分布式存储和管理系统的使用和优化技术。.
数据可视化和分析： 数据可视化和分析可以帮助专业人员将大数据转化为易于理解的信息。需要学习数据可视化和分析工具，例如Tableau、Power BI等。
大数据安全： 大数据安全是大数据技术中的一个重要问题。需要学习数据安全策略、数据加密技术、身份认证和访问控制等安全技术。
云计算和容器化技术： 云计算和容器化技术可以帮助专业人员管理和部署大规模的应用程序和服务。需要学习云计算和容器化技术，例如Docker、Kubernetes、AWS、Azure等云计算平台和服务。
芒果db数据库如何使用？
以下是芒果DB数据库的使用步骤：
1. 安装芒果DB软件。在官网下载芒果DB的安装包，选择合适的版本，进行安装。
2. 启动芒果DB服务。安装完成后，启动芒果DB服务，并设置必要的基础配置参数。
3. 使用芒果DB Shell进行交互。在芒果DB Shell中，您可以执行多种操作，包括查询、插入、删除、更新和创建索引。
4. 执行查询操作。使用芒果DB Shell执行查询命令，如“db.collection.find()”，查询芒果DB数据库中指定的数据集合。
5. 执行插入操作。使用芒果DB Shell执行插入命令，如“db.collection.insert()”，将数据插入到指定的数据集合中。
6. 执行更新和删除操作。使用芒果DB Shell执行更新或删除命令，如“db.collection.update()”和“db.collection.remove()”，更新或删除指定的数据集合中的数据。
7. 创建索引。使用芒果DB Shell创建索引，如“db.collection.createIndex()”，创建索引以加快芒果DB数据库的查询速度。
8. 使用他语言的API进行操作。芒果DB还支持多种语言的API，如Java、Python等，您可以使用相应的API进行芒果DB的操作。
什么是通用数据库查询系统?它有什么功能？
MongoDB做高性能数据库，Redis做缓存，HBase做大数据分析。MongoDB还无法取代关系型数据库。
传统关系型数据库面对数据规模、数据模型复杂时的不足，导致了NoSQL的快速发展，后者易扩展，性能高，支持灵活的数据模型。
MongoDB是高性能、无模式的文档型数据库，支持二级索引，非常适合文档化格式的存储及查询。MongoDB的官方定位是通用数据库，确实和MySQL有些像，现在也很流行，但它还是有事务、join等短板，在事务、复杂查询应用下无法取代关系型数据库。
Redis是内存型Key/Value系统，读写性能非常好，支持操作原子性，很适合用来做高速缓存。
HBase存储容量大，一个表可以容纳上亿行、上百万列，可应对超大数据量要求扩展简单的需求。Hadoop的无缝集成，让HBase的数据可靠性和海量数据分析性能（MapReduce）值得期待。
所以说，关系型数据库和NoSQL各有优劣，两者结合，可以覆盖更多的业务场景。
网易云提供三副本高可用的[MongoDB](
MongoDB 服务_MongoDB 云端解决方案-网易云
)云端解决方案，并为备份、监控和性能特别优化，使用[Redis]()构建高性能缓存，支持数据持久化，使用HBase支持大数据分析。五分钟看懂大数据技术？
大数据技术涉及：数据的采集、预处理、和分布式存储、以及数据仓库、机器学习、并行计算和可视化等方面。
对于大数据技术，应用广泛的是以hadoop和spark为核心的生态系统。hadoop提供一个稳定的共享存储和分析系统，存储由hdfs实现，分析由mapreduce实现，
1、hdfs：Hadoop分布式文件系统，运行与大型商用机集群
hdfs是gfs的开源实现，提供了在廉价服务器集群中进行大规模分布式文件存储的能力。
2、hbase：分布式的列存储数据库。hbase将hdfs作为底层存储，同时支持mapreduce的批量计算和点查询（随机读取）
hbase是一个建立在hdfs之上，面向列的nosql数据库。它可用于快速读写大量数据，是一个高可靠、高并发读写、高性能、面向列、可伸缩和易构建的分布式存储系统。hbase具有海量数据存储、快速随机访问和大量写操作等特点。
在kudu出现之前，hadoop生态环境的存储主要依赖hdfs和hbase。在追求高吞吐、批处理的场景中，使用hdfs,在追求低延时且随机读取的场景中，使用hbase,而kudu正好能兼容这两者。
3、批处理计算的基石：mapreduce
批处理计算主要解决大规模数据的批量处理问题，是日常数据分析中常见的一类数据处理需求。业界常用的大数据批处理框架有mapreduce\spark\tez\pig等。其中mapdeduce是比较有影响力和代表性的大数据批处理计算框架。它可以并发执行大规模数据处理任务，即用于大规模数据集（大于1tb）的并行计算。mapreduce的核心思想：将一个大数据集拆分成多个小数据集，然后在多台机器上并行处理。
4、hive:分布式数据仓库，管理hdfs中存储的数据，并提供基于sql的查询语言用于查询数据
数据库文件的分类和特点？
数据库文件分类：
早期数据库模型有三种，分别为层次式数据库、网络式数据库和关系型数据库。
而在当今的互联网中，通常把数据库分为两类，即关系型数据库和非关系型数据库。
关，
特点：
1、易于维护：都是使用表结构，格式一致；
2、使用方便：SQL语言通用，可用于复杂查询；
3、复杂操作：支持SQL，可用于一个表以及多个表之间非常复杂的查询。
缺点：
1、读写性能比较差，尤其是海量数据的高效率读写；
2、固定的表结构，灵活度稍欠；
3、高并发读写需求，传统关系型数据库来说，硬盘I/O是一个很大的瓶颈。