應用場景
如上圖斗锭，搜索引擎，分布式處理失球，baidu,360
系統(tǒng)推薦岖是，淘寶購物推薦，瀏覽器廣告
時事熱點实苞，微博熱搜
金融領域璧微，客戶畫像，比如對銀行儲戶進行分類硬梁，
精準營銷，針對用戶行為胞得，進行定向產品推薦
風險管控荧止，對用戶征信進行分類預測
我們以貨物量增加來考慮，其他對應的流程可能都要增加投入
hadoop是一個生態(tài)圈，我們之前可能聽說spark等等跃巡，這里把hadoop理解成一個工廠危号，工廠里有很多個并行的倉庫，HDFS素邪，倉庫的存取由YARN負責協調外莲，有MapReduce負責加工，對于后面新招來的Storm也負責加工兔朦，但是其從不休息
hadoop解決了如上圖的幾個問題
如上圖偷线，可以看到Hadoop的體系，
在hadoop體系沒有storm而只有MapReduce時沽甥，M負責存取加工声邦，但是工作量大時，實時性就會變差
Storm還沒有出生時摆舟，員工自己開創(chuàng)了S工廠亥曹，Spark
spark是新創(chuàng)業(yè)工廠，有自己的工作間RDD恨诱，可以當倉庫也可以里面加工媳瞪，SparkStreaming在RDD中一直工作，照宝，S廠還可以接一些高端業(yè)務如AI來做
上圖是Spark框架體系蛇受，Core為核心，數據處理涉及到SparkSQL,SparkStreaming,MLib,GraphX
其中MLib是設計人工智能部分硫豆，
Spark廠加工速度時Hadoop廠速度10倍以上
有人會問龙巨，那我們是不是只學spark就行了，hadoop是不是不行的問題熊响，事實上沒有便宜的買賣旨别，很多項目往往是hadoop和spark兼顧實現
spark和hadoop的結合以及特點如上，首先二者是可以共生合作的汗茄，spark擅長加工和高端服務秸弛，處理附在，機器學習洪碳，交互查詢递览，hadoop采用持久倉庫，spark采用可擴容工作間RDD瞳腌，hadoop是硬盤上處理绞铃，而spark是內存上處理
spark在處理速度上占有優(yōu)勢，但是hadoop存儲以擴展嫂侍，存儲安全穩(wěn)定儿捧，所以常常是結合二者之長進行架構
最后老師給了一點雞湯荚坞，課程是0基礎的，不要怕菲盾，奧利給颓影，理論和實踐結合，你就能變強
