换个角度说，大数据是：

1 、有海量的数据

2 、有对海量数据进行挖掘的需求

3 、有对海量数据进行挖掘的软件工具（ hadoop 、 spark 、 storm 、 flink 、 tez 、 impala...... ）

大数据在现实生活中的具体应用

电商推荐系统：基于海量的浏览行为、购物行为数据，进行大量的算法模型的运算，得出各类推荐结论，以供电商网站页面来为用户进行商品推荐。

精准广告推送系统：基于海量的互联网用户的各类数据，统计分析，进行用户画像（得到用户的各种属性标签），然后可以为广告主进行有针对性的精准的广告投放。

2 、那什么是 hadoop 呢？

hadoop 中有 3 个核心组件：

分布式文件系统：HDFS  —— 实现将文件分布式存储在很多的服务器上

分布式运算编程框架：MAPREDUCE  —— 实现在很多机器上分布式并行运算

分布式资源调度平台：YARN  —— 帮用户调度大量的 mapreduce 程序，并合理分配运算资源

3 、最后来说一下 hdfs 整体运行机制

hdfs ：分布式文件系统

hdfs 有着文件系统共同的特征：

1 、有目录结构，顶层目录是：   /

2 、系统中存放的就是文件

3 、系统可以提供对文件的：创建、删除、修改、查看、移动等功能

hdfs 跟普通的单机文件系统有区别：

1 、单机文件系统中存放的文件，是在一台机器的操作系统中

2 、 hdfs 的文件系统会横跨 N 多的机器

3 、单机文件系统中存放的文件，是在一台机器的磁盘上

4 、 hdfs 文件系统中存放的文件，是落在 n 多机器的本地单机文件系统中（ hdfs 是一个基于 linux 本地文件系统之上的文件系统）

hdfs 的工作机制：

1 、客户把一个文件存入 hdfs ，其实 hdfs 会把这个文件切块后，分散存储在 N 台 linux 机器系统中（负责存储文件块的角色： data node ） < 准确来说：切块的行为是由客户端决定的 >

2 、一旦文件被切块存储，那么， hdfs 中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是： name node ）

3 、为了保证数据的安全性， hdfs 可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs 系统，由一台运行了 namenode 的服务器，和 N 台运行了 datanode 的服务器组成！