hbase虚拟分布模式需要几个节点？
全分布式模式:至少需要3个节点(1个HMast
大数据培训的内容是什么，有哪些方式？
你在大数据培训中学到了什么？随着近年来互联网的快速发展，大数据页面被越来越多的人所熟知，无论是业内人士还是业外人士都加入了这个行业！于是，很多培训机构也如雨后春笋般的开设了相关的培训课程！作为未来非常有前途的行业。成为大数据工程师无疑是一个很有前途的职业，那么大数据工程师应该学些什么呢？
其实说到大数据主要学习的技术，最直接的就是从岗位需求入手，但是这样也会有一个缺点，就是导致学习的东西不会很全面。
纵观各大招聘网站，BAT等不同公司对员工的工作技能要求也不同。通过此，我们做了一个简单的分析和总结，供大家参考。
大数据培训的内容:
大数据训练的有哪些？
事实上，随着社会的进步和互联网的发展，目前的大数据培训已经产生了多种模式，大致分为视频学习、线上直播学习、线下学习、双重学习模式。可以根据自身情况选择适合自己的大数据训练。
5G时代流数据该如何处理？有哪些好用的大数据平台？
大数据流存储平台的诞生普拉威加"在5G时代
随着5G网络、容器云和高性能存储等硬件水平的不断提升，数据增长进入了前所未有的发展阶段。物联网、自动驾驶汽车等边缘计算产生的无处不在的数据不断流出，就像一根打开的水管。这对当前的大数据处理系统(无论什么架构)提出了一个问题。计算是原生流计算，但存储不是原生流存储。所以目前大数据存储面临三大缺陷。
目前最常见的大数据处理平台是Lambda架构，其优势在于能够满足实时处理和批处理的要求。然而，从存储的角度来看，Lambda有三个缺点:
第一，实时处理和批处理不统一，不同的处理路径使用不同的存储组件，增加了系统的复杂度，导致开发者额外的学习成本和工作量。
第二，数据存储是多组件和多副本的。如下图所示，同样的数据会存储在弹性搜索、S3对象存储系统、Kafka等异构系统中，而考虑到数据的可靠性，这些数据都是冗余的，大大增加了用户的存储成本。而往往对于企业用户来说，0.1%的存储冗余就意味着损失。
再次，系统中存储的组件太多太复杂，也增加了运维成本。他们中的大多数现有的开源项目仍然处于"强大的运营和维护能力，这对于企业用户来说也是一笔很大的开支。
每种类型的数据都有其固有的属性和常见的访问模式，与最适用的场景和最合适的存储系统相对应。
这三个缺点带来了存储过程中的三个问题，即开发成本、存储成本和运维成本。那么如何降低开发成本、存储成本和运维成本呢？这里从最新的数据类型出发，探讨5G时代数据存储的新思路。
从存储的角度来说，存储架构的设计需要首先明确存储数据的特点。目前企业数据的存储有块存储、文件存储和对象存储。在移动互联网和物联网发展的今天，在物联网、自动驾驶汽车、金融等实时应用场景中，需要存储的数据目前被称为"流式数据"，一般定义为:
流数据是一组顺序的、海量的、快速的、连续的数据序列。一般来说，数据流可以看作是一个随时间无限增长的动态数据集。
四种存储类型
上图将流数据定义为第四种数据类型，四种最常见的存储类型从左到右分布。传统数据库等基于事务的程序适用于块存储系统。在文件共享场景中，文件需要在用户之间共享读写，因此适合采用分布式文件(NAS)存储系统。需要无限扩展并支持REST接口读写的非结构化图像/音频/视频文件非常适合对象存储系统。
对于流数据的应用场景，流数据存储需要满足以下要求:
低延迟:高并发条件下lt10ms读写延迟。
只处理一次:即使客户端、服务器或网络出现故障，也要确保每个事件只处理一次。
顺序保证:可以提供严格有序的数据访问模式。
检查点:确保每个阅读器/上层应用程序都可以保存和恢复其原始使用状态。
在物联网的世界里，数据是实时的，分析也是实时的。企业获得商业洞察力赢得价值或错过关键机会可能只有几毫秒，但真实的流数据处理可以减少传统小批量分析方法的宝贵时间。
为此，戴尔技术集团物联网部门的团队重新思考了流数据处理和存储的规则，重新设计了一种新的存储类型，即原生流存储，从而"普拉威加"诞生了。
Pravega是成熟技术和新技术的结合。Pravega团队有基于日志存储的设计经验，也有ApacheZooKeeper/BookKeeper的项目历史。此外，大量的实时系统也使用日志存储来完成实时应用的消息队列。要满足这三种数据访问模式，只有Pravega。