Hadoop的五大优点：1）高可靠性。Hadoop具有按位存储和处理数据的能力。2）高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，可以方便地扩展到其他节点中。3）高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，具有较快的处理速度。4）高容错性。Hadoop能够自动保存数据的多个副本，并自动将失败的任务重新分配。5）低成本。Hadoop是开源的，项目的软件成本因此会大大降低。

Hadoop发展历史：2004年—最初的版本(现在称为HDFS和MapReduce)由DougCutting和MikeCafarella开始实施。2005年12月—Nutch移植到新的框架，Hadoop在20个节点上稳定运行。2006年2月—ApacheHadoop项目正式启动以支持MapReduce和HDFS的独立发展。2008年9月—Hive成为Hadoop的子项目2009年3月—Cloudera推出CDH（Cloudera’sDsitributionIncludingApacheHadoop）2009年7月—MapReduce和HadoopDistributedFileSystem(HDFS)成为Hadoop项目的独立子项目。2009年7月—Avro和Chukwa成为Hadoop新的子项目。2010年5月—Avro脱离Hadoop项目，成为Apache顶级项目。2010年5月—HBase脱离Hadoop项目，成为Apache顶级项目。2010年9月—Hive(Facebook)脱离Hadoop，成为Apache顶级项目。2010年9月—Pig脱离Hadoop，成为Apache顶级项目。2011年1月—ZooKeeper脱离Hadoop，成为Apache顶级项目。2011年3月—ApacheHadoop获得MediaGuardianInnovationAwards。2011年8月—Dell与Cloudera联合推出Hadoop解决方案——ClouderaEnterprise。ClouderaEnterprise基于DellPowerEdgeC2100机架服务器以及DellPowerConnect6248以太网交换机2012年3月—在Hadoop1.0版的基础上发布Hadoop1.2.1稳定版2013年10月—Hadoop2.2.0版本成功发布2014年11月—Hadoop已经发展到了2.6.0版本

Hadoop概述：Hadoop最初是一个由Apache软件基金会研发的一种分布式计算机系统。主要用来处理大于1TB的海量数据。Hadoop采用Java语言开发，其核心模块包括分布式文件系统（HadoopDistributedFileSystem，HadoopHDFS）和分布式计算框架MapReduce，HDFS为海量数据提供存储，MapReduce为海量数据提供计算，这样的结构实现了计算与存储的高度耦合，成为大数据技术的事实标准。

大数据架构关键技术：1、大数据存储技术2、并行计算能力3、数据分析技术4、数据显示技术5、数据挖掘算法

大数据架构的概述：架构，又称软件架构，是有关软件整体结构与组件的抽象描述，用于指导大型软件系统各个方面的设计。软件系统的架构有两个要素：首先他是一个软件系统从整体到部分的最高层的的划分，再则一个系统通常是由元件组成，而这些元件如何形成、相互之间怎样发生作用，就是这个系统本身结构的问题了。所以说软件架构是平衡的艺术。

分析大数据时，四种参考数据类型：1、交易数据使用大数据平台能够帮助我们获取时间跨度更大、更海量的结构化交易数据，这样就能够对更广泛的交易数据类型进行数据分析，其中不仅仅包括POS或电子商务购物数据，还包括行为交易数据。2、人为数据非结构化数据广泛应用并存在于电子邮件、文档、图片、音频、视频中，同时通过博客、维基，尤其是社交媒体所产生的数据流。这些数据为使用文本分析功能进行分析提供了丰富的数据资源。3、移动数据智能手机和平板这些移动设备上的App都能够追踪和沟通大量事件，从App内的交易数据（如搜索产品的记录事件）到个人信息资料或状态报告事件（如地点变更即报告一个新的地理编码）。4、机器和传感器数据机器和传感器数据是来自新兴的物联网（IoT）所产生的主要例子。物联网的数据可以用于构建分析模型，连续监测预测性行为，提供规定的指令，做出及时正确的判断。

在大数据时代中，又有哪些数据类型：1、移动互联网，每天产生了大量的点击数据，这些数据被某些公司所有拥有，形成用户大量行为数据2、电子地图，它代表着一种行为、一种习惯，这些流数据经频率分析后会产生巨大的商业价值3、社交网络，它的出现，大量的互联网用户创造出海量的社交行为数据4、电子商务，它的崛起带来了大量的网上交易数据，这些数据的产生为大数据的研究带来了很大的契机，其中隐藏了更大的商业价值。5、传统的互联网入口转向搜索引擎之后，用户的搜索行为和提问行为聚集了海量数据。单位存储价格的下降也为存储这些数据提供了经济上的可能性。

大数据的分类有哪些：一、数据类型划分1、传统企业数据(Traditionalenterprisedata)：包括MIS系统的数据，传统的ERP数据库存数据以及财务账目数据等。2、机器和传感器数据(Machine-generated/sensordata)：包括呼叫记录(CallDetailRecords)，智能仪表，工业设备传感器，设备日志，交易数据等。3、社交数据(Socialdata)：包括用户行为记录，反馈数据等。如Twitter，Facebook这样的社交媒体平台。二、处理过程划分海量型数据。大数据计算中的数据挖掘是通过挖掘海量的数据推动科学知识的界限，数据集越大，结论越精确。响应型数据。响应型的数据集很大，但它的价值围绕着很具价值的分析结果影随型数据。影随型数据是一种你拥有，但并不容易拿到的数据。过程型数据。又称为操作数据。这是从生产设备、工业机械和其他在商业建筑和工业厂房里找到的信息。未知型数据。未知型数据包括现在可以能够拿到的、希望拿到的、然而还不充足的信息。三、产生数据的主题划分1、少量企业应用产生的数据，比如关系型数据库中的数据和数据仓库中的数据等。2、大量人产生的数据，比如微信、移动通信数据、电子商务在线交易日志数据、企业应用的相关评论数据等。3、巨量机器产生的数据，比如应用服务器日志、图像和视频监控数据、二维码和条形码扫描数据等。四、大数据架构划分1、分析类型。判断进行数据分析时，对数据执行实时分析还是批量分析。2、处理方法。用来处理数据的技术类型（如预测、分析、临时查询和报告）。3、数据频率和大小。预计有多少数据和数据到达的频率有多高。4、数据类型。要处理数据的类型，如交易、历史、主数据等。5、内容格式（传入数据的格式）结构化（例如RDMBS）、非结构化（例如音频、视频和图像）或半结构化。6、数据源即数据的来源（生成数据的地方），如Web和社交媒体、机器生成、人类生成等。7、数据使用者。处理数据的所有可能使用者的情况列表。8、硬件。用来实现大数据解决方案的硬件类型，包括商用硬件或最先进的硬件。

大数据架构是什么：大数据架构是一种结构化和基于模式的方法来简化定义完整的大数据架构的任务。Hadoop是由Apache软件基金会研发的一种开源、高可靠、伸缩性强的分布式计算系统，主要用于处理大于1TB的海量数据。其核心包括系统HDFS和MapReduce，这一结构的实现十分有利于面向数据的系统架构，因此已经成为大数据技术领域的事实标准。

云计算的服务方式：1、IaaS基础设施级服务，消费者通过Internet可以从完善的计算机基础设施获得服务。IaaS是把数据中心、基础设施等硬件资源通过Web分配给用户的商业模式。2、PaaS平台级服务。PaaS实际上是指将软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。3、SaaS软件级服务。它是一种通过Internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动。