本文目录一览：
学习Java应该了解的大数据和框架?
Java基础知识：包括Java语言的基本语法、面向对象编程、异常处理、泛型、集合框架、输入输出等知识点。 数据库：需要学习SQL语言以及关系型数据库的设计与优化，掌握数据库连接池、事务等操作。
Java基础：了解Java的基本语法、数据类型、控制流程、数组、字符串等基础概念。学习面向对象编程（OOP）的原则和概念，如类、对象、继承、封装、多态等。
Java只是大数据学习的漫漫长路中的一小段路程，想要学习真正的大数据技术，还要掌握hadoop、spark、storm开发、hive数据库、Linux操作系统、分布式存储、分布式计算框架等专业知识。
动态网页是中级程序员服务器端编程的基础，是高级框架学习的必备课程，后期学习的框架、服务底层都是基于动态网页技术之上的。
java可以说是大数据最基础的编程语言，一是因为大数据的本质无非就是海量数据的计算，查询与存储，后台开发很容易接触到大数据量存取的应用场景。
现在就出现了一种现象，强者越强，弱者越弱。Java目前的应用主要为软件开发、安卓开发、大数据及云计算等各个方面，这样都是现在使用的主流语言。
mongodb的使用原理
MongoDB使用原理：所谓“面向集合”，意思是数据被分组存储在数据集中，被称为一个集合。每个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。
MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
片键介绍 数据划分（partitioning）关键问题是怎么样将一个集合中的数据均衡的分布在集群中的节点上。 MongoDB 数据划分的是在集合的层面上进行的，它根据片键来划分集合中的数据。
这种索引方式，可以提高数据访问的速度，因为索引和数据是保存在同一棵B树之中，从聚簇索引中获取数据通常比在非聚簇索引中要来得快。
管道使用MongoDB自带的本地操作来执行聚合操作更高效，管道是MongoDB执行聚合操作的首先。聚合管道可以操作分片collection。聚合管道可以通过使用索引来提高性能。聚合管道内部会进行优化阶段。
mongoDB主要使用在什么场景?
1、MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
2、● 物流场景：使用MongoDB存储订单信息，订单状态在运送过程中会不断更新，以MongoDB内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。
3、高伸缩性的场景：MongoDB适合由数十或数百台服务器组成的数据库。（5）用于对象及JSON数据的存储：MongoDB的BSON数据格式适合文档化格式的存储及查询。mongodb设计特点：（1）面向集合存储，容易存储对象类型的数据。
4、◆高伸缩性的场景：Mongo非常适合由数十或数百台服务器组成的数据库。Mongo的路线图中已经包含对MapReduce引擎的内置支持。◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。
5、默认情况下，MongoDB 更侧重高数据写入性能，而非事务安全，MongoDB 很适合业务系统中有大量 “低价值” 数据的场景。但是应当避免在高事务安全性的系统中使用 MongoDB，除非能从架构设计上保证事务安全。
MongoDB是什么,怎么用?看完你就知道了
1、MongoDB是一个基于分布式文件存储的数据库，由C++语言编写，旨在为WEB应用提供可扩展的高性能数据存储解决方案。MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。
2、查看目前所使用的数据库。在MongoDB中，想查看使用的是哪个数据库，可以使用如下命令来查看。db 图2 查看所使用的数据库 查看有哪些数据库。
3、MongoDB核心服务器主要是通过mongod程序启动的，而且在启动时不需对MongoDB使用的内存进行配置，因为其设计哲学是内存管理最好是交给操作系统，缺少内存配置是MongoDB的设计亮点，另外，还可通过mongos路由服务器使用分片功能。
一个典型的大数据解决方案,包含哪些组件?
1、常用的大数据组件包括：Hadoop：Hadoop是一个开源的分布式存储和计算框架，可以处理海量数据。Spark：Spark是一个快速的大数据处理引擎，可以帮助你快速分析和处理大量数据。
2、Hadoop是一个分布式计算框架，主要包括两个核心组件：分布式文件系统HDFS和MapReduce。HDFS为海量数据提供了存储，MapReduce为海量数据提供了计算。
3、本文将介绍大数据系统一个最基本的组件：处理框架。处理框架负责对系统中的数据进行计算，例如处理从非易失存储中读取的数据，或处理刚刚摄入到系统中的数据。数据的计算则是指从大量单一数据点中提取信息和见解的过程。
4、集成了数据获取，数据清洗，数据流转，数据分析，数据输出等工具集的一个数据解决方案。它的核心使命是提供数据存储和数据分析服务给目标客户。
5、YARN可以自动对资源进行分配和调度，让各种应用程序都可以在Hadoop集群上高效地运行。这三个核心组件互相配合，构成了Hadoop的基本架构，为大数据处理提供了高效、可靠的解决方案。
mongodb适用于什么场景
MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
默认情况下，MongoDB 更侧重高数据写入性能，而非事务安全，MongoDB 很适合业务系统中有大量 “低价值” 数据的场景。但是应当避免在高事务安全性的系统中使用 MongoDB，除非能从架构设计上保证事务安全。
高伸缩性的场景：MongoDB适合由数十或数百台服务器组成的数据库。（5）用于对象及JSON数据的存储：MongoDB的BSON数据格式适合文档化格式的存储及查询。mongodb设计特点：（1）面向集合存储，容易存储对象类型的数据。
