解析:

 没有关系，hive是数据仓库，不能和数据库⼀样进⾏实时的CURD操作。 
 
是⼀次写⼊多次读取的操作，可以看成是ETL⼯具。 

解析:

 核⼼概念是agent，⾥⾯包括source、chanel和sink三个组件。 
 
source运⾏在⽇志收集节点进⾏⽇志采集，之后临时存储在chanel中，sink负责将chanel中的数据发送到⽬的地。 
 
只有成功发送之后chanel中的数据才会被删除。 
 
⾸先书写flume配置⽂件，定义agent、source、chanel和sink然后将其组装，执⾏flume-ng命令。 

解析:

 hadoop⽣态圈上的数据传输⼯具。 
 
可以将关系型数据库的数据导⼊⾮结构化的hdfs、hive或者bbase中，也可以将hdfs中的数据导出到关系型数据库或者⽂本⽂件中。 
 
使⽤的是mr程序来执⾏任务，使⽤jdbc和关系型数据库进⾏交互。 
 
import原理：通过指定的分隔符进⾏数据切分，将分⽚传⼊各个map中，在map任务中在每⾏数据进⾏写⼊处理没有reduce。 
 
export原理：根据要操作的表名⽣成⼀个java类，并读取其元数据信息和分隔符对⾮结构化的数据进⾏匹配，多个map作业同时执⾏写⼊关系型数据库 

解析:

 ⾏健：是hbase表⾃带的，每个⾏健对应⼀条数据。 
 
列族：是创建表时指定的，为列的集合，每个列族作为⼀个⽂件单独存储，存储的数据都是字节数组，其中的数据可以有很多，通过时间戳来区分。 
 
www.aboutyun.com/thread-24246-1-1.html 35/57
2019/4/24 spark相关的⾯试题跟答案，带着问题学习效果更佳哟。?）-⾯试区-about云开发
物理模型：整个hbase表会拆分为多个region，每个region记录着⾏健的起始点保存在不同的节点上，查询时就是对各个节点的并⾏查询，当region很⼤时使⽤.META表存储各个region的起
始点，-ROOT⼜可以存储.META的起始点。 
 
rowkey的设计原则：各个列簇数据平衡，⻓度原则、相邻原则，创建表的时候设置表放⼊regionserver缓存中，避免⾃动增⻓和时间，使⽤字节数组代替string，最⼤⻓度64kb，最好16字节
以内，按天分表，两个字节散列，四个字节存储时分毫秒。 
 
列族的设计原则：尽可能少（按照列族进⾏存储，按照region进⾏读取，不必要的io操作），经常和不经常使⽤的两类数据放⼊不同列族中，列族名字尽可能短。 

解析:

 ⼀个实时毫秒⼀个准实时亚秒，不过storm的吞吐率⽐较低。