一、什麼是大資料？大資料的特點？

      大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產。

     大資料的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

二、什麼是資料倉庫（Data warehouse）?特點？什麼是

OLTP,OLAP?他們之間的區別？

      資料倉庫，是為企業所有級別的決策制定過程，提供所有型別資料支援的戰略集合。它是單個數據儲存，出於分析性報告和決策支援目的而建立。 為需要業務智慧的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。

1.效率足夠高。2.資料質量。3.擴充套件性。

4.面向主題

      操作型資料庫的資料組織面向事務處理任務，各個業務系統之間各自分離，而資料倉庫中的資料是按照一定的主題域進行組織的。主題是與傳統資料庫的面向應用相對應的，是一個抽象概念，是在較高層次上將企業資訊系統中的資料綜合、歸類並進行分析利用的抽象。每一個主題對應一個巨集觀的分析領域。資料倉庫排除對於決策無用的資料，提供特定主題的簡明檢視。

OLTP:

也稱為面向交易的處理系統，其基本特徵是顧客的原始資料可以立即傳送到計算中心進行處理，並在很短的時間內給出處理結果。

OLAP:

聯機分析處理（OLAP）系統是資料倉庫系統最主要的應用，專門設計用於支援複雜的分析操作，側重對決策人員和高層管理人員的決策支援，可以根據分析人員的要求快速、靈活地進行大資料量的複雜查詢處理，並且以一種直觀而易懂的形式將查詢結果提供給決策人員，以便他們準確掌握企業（公司）的經營狀況，瞭解物件的需求，制定正確的方案。

三、ETL(Extract-Transform-Load)和挖掘（DataMine）的

區別？

      資料分析是指根據分析目的，用適當的統計分析方法及工具，對收集來的資料進行處理與分析，提取有價值的資訊，發揮資料的作用。它主要實現三大作用：現狀分析、原因分析、預測分析（定量）。資料分析的目標明確，先做假設，然後通過資料分析來驗證假設是否正確，從而得到相應的結論。主要採用對比分析、分組分析、交叉分析、迴歸分析等常用分析方法；資料分析一般都是得到一個指標統計量結果，如總和、平均值等，這些指標資料都需要與業務結合進行解讀，才能發揮出資料的價值與作用；

      資料探勘是指從大量的資料中，通過統計學、人工智慧、機器學習等方法，挖掘出未知的、且有價值的資訊和知識的過程。資料探勘主要側重解決四類問題：分類、聚類、關聯和預測（定量、定性），資料探勘的重點在尋找未知的模式與規律；如我們常說的資料探勘案例：啤酒與尿布、安全套與巧克力等，這就是事先未知的，但又是非常有價值的資訊；主要採用決策樹、神經網路、關聯規則、聚類分析等統計學、人工智慧、機器學習等方法進行挖掘；輸出模型或規則，並且可相應得到模型得分或標籤，模型得分如流失概率值、總和得分、相似度、預測值等，標籤如高中低價值使用者、流失與非流失、信用優良中差等；

四、什麼是Hadoop？

       Hadoop是一個由Apache基金會所開發的分散式系統基礎架構。使用者可以在不瞭解分散式底層細節的情況下，開發分散式程式。充分利用叢集的威力進行高速運算和儲存。Hadoop實現了一個分散式檔案系統（Hadoop Distributed File System），簡稱HDFS。HDFS有高容錯性的特點，並且設計用來部署在低廉的（low-cost）硬體上；而且它提供高吞吐量（high throughput）來訪問應用程式的資料，適合那些有著超大資料集（large data set）的應用程式。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streaming access）檔案系統中的資料。Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的資料提供了儲存，則MapReduce為海量的資料提供了計算。