HDFS结构图：HDFS是主从结构的，有主节点（NameNode）和从节点（DataNode）。一个主节点可关联多个从节点，一个从节点也可关联多个主节点。从节点又称数据节点。每一个block会在多个DataNode上存储多份副本

MapReduce1.0原理图：分布式计算框架，基于它写出来的应用程序能够运行在Hadoop集群上。MapReduce采用“分而治之”的思想，把对大规模数据集的操作，分发给一个主节点管理下的各个从节点共同完成，然后通过整合各个节点的中间结果，得到最终结果。简单地说，MapReduce就是“任务的分解与结果的汇总”。

从数据库到大数据库概念：传统关系数据库Oracle、SQLServer、Mysql、DB2、SyBase、SqlLite。容易理解、使用方便、易于维护。难以满足高并发读写需求；难以满足海量数据的高效率读写；扩展性差。大数据库以NoSQL（NotOnlySQL）为代表的用于存储、管理、分析海量数据的系统称为大数据库数据体量巨大；数据类型多样；处理速度快；价值密度低。NoSQL典型地遵循CAP理论和BASE原则。CAP理论可简单描述为：一个分布式系统不能同时满足一致性(consistency)、可用性(availability)和分区容错性(partitiontolerance)这三个需求，最多只能同时满足两个。BASE原则是指BasicallyAvailable（基本可用）、SoftState（软状态）和EventuallyConsistent（最终一致性）。

大数据可视化系统魔镜介绍：魔镜是一套完整的解决方案，用来将客户现有的数据进行有效的整合和分析，快速准确的提供可视化结果并提出决策依据，帮助客户做出明智的经营管理和决策分析。通过大数据魔镜,企业积累的各种来自内部和外部的数据，比如网站数据、销售数据、ERP数据、财务数据、大数据、社会化数据、各种数据库等,都可进行整合、探索、挖掘、分享和控制。

powermap是什么意思：Excel是典型的入门级数据可视化工具，但同时，它也支持3D的可视化展示。微软发布了一款叫做GeoFlow的插件，它是结合Excel和Bing地图所开发出来的3D数据可视化工具。GeoFlow的概念最早提出于2011年6月，据悉可以支持的数据行规模最高可达100万行，并可以直接通过Bing地图引擎生成可视化3D地图。曾经引起广泛讨论的PowerMap（原名为GeoFlow）最近进行了更新，3D视觉插件如今可视化已经成为MicrosoftPowerBIinExcel核心商业智能功能。新版本PowerMap提供Bing地图自动数据采集，并可生成更为人性化的细节分类。目前，PowerMap已经开放了CreateVideo功能，可以将3D画面演示过程记录下来。

可视化交互空间查询：从信息表达的角度来看，交互可视化空间查询是通过可视化手段，在可视化界面上集中展示空间查询的要素及相互关系。用户通过对界面要素的选取、配置及调整等交互操作，实现空间实体和属性信息的快速检索。可视化交互界面主要查询以下要素：(1)空间关系:空间实体间的各种关联关系，如拓扑、距离、方位和顺序等关系(2)空间分布:空间对象间的位置分布及分布模式等(3)空间查询:通过布尔元运算符将可视化空间查询逻辑表达式连接，组成结构化查询语句(SQL)或面向空间数据的扩展结构化语言(4)空间查询结果:可视化交互查询结果有多种形式，按照查询的方式可分成3种:对于空间→属性查询，查询结果为满足查询条件的属性信息，通常以属性列表的形式反馈给用户对于属性→空间查询，查询结果为满足查询条件的空间对象集合，通常以高亮来显示地理图层中匹配的点、线、弧和多边形实体(矢量结构)集合或像素(栅格结构)集合。对于空间属性联合查询，查询结果既可以是满足条件的属性列表，也可以是图层中满足条件的空间要素集合，或者是上述两者的组合。

数据可视化中的交互技术方法分类有哪些：1、平移+缩放技术可缩放用户界面(ZoomableUserInterfaces，ZUI)最早源于对PAD及PAD++的研究是一种使用空间和尺度组织信息，将平移(Panning)与缩放(Zooming)作为主要交互技术的图形用户界面。平移与缩放操作由鼠标与键盘作为主要交互设备进行控制，平移用于改变信息空间的位置，缩放用于改变信息空间的比例。鼠标、键盘的输入与平移、缩放的输出的关系分为线性相关与非线性相关两种。非线性平移与缩放技术主要包括以下三种形式:1）目标导向的缩放2）平移与缩放相结合3）自动缩放2、动态过滤技术动态过滤描述了用户对于可视化查询参数的交互控制，通过交互控制对数据库的搜索结果进行快速(每100ms刷新)、动态、可视化的显示。使用动态过滤的用户界面称为动态过滤用户界面，通过可视化的信息呈现，并且基于直接操纵原理提供用户动态交互控制，可以更加高效地探索、理解大规模的数据空间。3、概览+细节技术概览+细节(Overview+Detail)的基本思想是在资源有限的条件下同时显示整体与细节概览指不需要做任何操作，在一个视图上可以集中显示所有的对象细节是突出用户需要的重点部分进行展示概览+细节的用户交互模式指既显示全局概览，又将细节部分在相邻视图上或者本视图的侧面进行展示，其好处在于非常符合用户探索数据的行为方式4、焦点+上下文技术概览+细节(Overview+Detail)的基本思想是在资源有限的条件下同时显示整体与细节概览指不需要做任何操作，在一个视图上可以集中显示所有的对象细节是突出用户需要的重点部分进行展示概览+细节的用户交互模式指既显示全局概览，又将细节部分在相邻视图上或者本视图的侧面进行展示，其好处在于非常符合用户探索数据的行为方式5、多视图关联协调技术用户在对某一个目标信息概念实体进行可视化分析时，往往需要将该概念实体看作一个信息多面体，将目标信息概念实体分解为具有关联的多个信息侧面(Facet)，每个信息侧面表示与目标信息概念实体相关的不同的信息或目标信息概念实体的不同方面，每个信息侧面通过一种可视化技术呈现于一个视图中，通过多个具有语义关联的视图，为目标概念实体的分析提供具有语义关联的多角度支持，此种技术称为多视图关联协调技术，使用此种技术的用户界面称为关联多视图用户界面，能够改善用户对可视化信息的认知。Visage是一个支持多视图关联协调的信息可视化系统

大数据可视化技术包含以下几个基本概念：1、数据空间：是由n维属性和m个元素组成的数据集所构成的多维信息空间；2、数据开发：是指利用一定的算法和工具对数据进行定量的推演和计算；3、数据分析：指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据；4、数据可视化：是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。

大数据的数据特征有哪些：大数据的数据特征，有4V、5V、7V或11V特征等来描述。容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息（量）；速度（Velocity）：指获得数据的速度，实时获取需要的信息（速）；种类（Variety）：结构化数据、半结构化数据和非结构化数据（类）；价值（value）：价值密度低；合理运用大数据，以低成本创造高价值（价）；真实性（Veracity）：数据的质量，数据清洗，去伪存真（真）；可视化（Visualization）：可视化可推动大数据的普及应用（普）；粘性（Viscosity）：改善用户体验，增加用户对媒体的粘性（粘）；上述定义都有一定的道理，特别是5V定义，目前已经被越来越多地接受。大数据时代最大的转变，就是放弃对因果关系的渴求，取而代之关注相关关系。也就是说，只要知道“是什么”，而不需要知道“为什么”。

大数据的定义：对于“大数据”，研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。ITUY.3600标准首先明确给出了大数据的定义：一种允许可能在实时性约束条件下收集、存储、管理、分析和可视化具有异构特征的大量数据集的模式。国内普遍接受的定义：具有数量巨大、来源多样、生成极快、且多变等特征并且难以用传统数据体系结构有效处理的数据。因此大数据的内涵不仅是数据本身，还包括大数据技术和大数据应用。