这是什么
研究生阶段对大数据的研究涵盖处理单台机器无法承载的数据集背后的理论和系统——分布式计算框架、CAP定理及其权衡、数据分片策略,以及在大规模下维持统计有效性的研究挑战。
为什么重要
处理真正大规模的数据带来了与处理能装入内存的数据完全不同的挑战——理解分布式系统背后的理论权衡,对设计随规模增长仍保持正确和高效的数据科学流水线至关重要。
考试小贴士
评估一个大数据架构时,始终明确识别一致性、可用性和分区容错性三者中牺牲了哪一项,以及为什么——CAP定理保证你不可能三者兼得,每一个真实的分布式系统设计都反映了对可接受权衡的一个刻意选择。