中英对照表 English 中文 cross production 叉积 determinantion 行列式 eigenvalue 特征值 Vector The introduction of numbers as coordinates is an act of violence. AND on the flip side, it gives people a language to descrbie space and the manipulation of space using numbers that can be crunched and run through a computer. 暴论：线代让程序员可以操纵空间。

图论 动态规划 基础算法 排序 快速排序算法模板 —— 模板题 AcWing 785. 快速排序

背景：有一台服务器，仅能访问ssh服务端口，其余端口处于安全考虑均不可访问。如果想与服务器的其他端口通信，该怎么办？ 利用ssh通道，即可任意通信，下面这张图很直观。 基本命令 基本命令如下： 1 ssh -L 本地端口X:主机C:主机C端口Z username@hostB 利用本机与hostB的SSH隧道，通过访问本机的X端口实现对主机C Z端口的访问。本质是B访问了C，再经由通道与本机连接。 技巧 其实也不用特别记忆这个命令，一般的ssh软件如xshell, tabby等都有对应的端口转发功能，可以在图形界面直接配置。

大纲 1.认识数据挖掘 1、数据挖掘的定义 2、有指导学习和无指导学习 3、数据挖掘的过程 2.基本数据挖掘技术 1、决策树概念和C 4.5算法的一般过程 2、决策树关键技术：最大增益率 3、决策树规则：决策树，产生式规则，正确率和覆盖率 4、Apriori算法的基本思想 5、关联规则及其置信度和支持度 6、K-means算法的基本思想 7、K-means聚类分析实例

第一章 产生背景 横向拓展，水平拓展；用更多的节点支持更大量的请求。 纵向拓展，垂直拓展；扩展一个节点的能力支撑更大量的请求。 大数据的特点：volume，velocity，variety，value

考试题型 论述题（30分） -论述自己对概念的理解 分布式数据库设计及查询优化（20） -分布式数据库的设计，分片的设计、定义、对应的查询优化 分布式存取优化（30） -物理上的特征指标、传输代价的计算 存储结构设计 （10） -HBase设计、布隆过滤器设计（PPT） 分布式事务 （10） -一致性、并发控制 三次作业分别对应了2、3、4项 章节回顾 第一章 大数据的由来（为什么会产生大数据存储系统？横向拓展需求、系统可靠可用、一致性需求在传统的关系模型下无法有效解决） 大数据的特点 大数据需要怎样的存储系统 第二章 客户/服务器的体系结构（不同体系结构中AP功能的变化） share nothing 架构、分库分表架构、存算分离架构与客户/服务器架构之间的关系（开放性问题，结合PPT与自己的理解）参考文章 关系型分布式数据库系统的模式结构 分布式数据库系统的数据透明性（三种、定义，举例；给操作语句判定是那种透明性） 多数据库系统和分布式数据库系统的区别与联系 第三章 分布式数据库设计的分片原则、定义（运算）、表示方法 分布式数据库的查询优化策略及片段查询优化方法 分布式查询的存取优化方法、特征参数的计算（选择运算、投影运算、自然连接运算、半连接运算） 第四章 HBase解决了HDFS的哪些问题？具有哪些特点？ HBase数据库中region的含义及其特性。同一个表不同行的数据可以存放在不同的服务器，同一个表相同行的数据也可以存放在不同的服务器。这句话如何理解？ 一个服务器是Region的存储机构，但存储一个Region不代表存储一个表；每个Region都包含若干个Store，一个Store就是一个列族，是把列族作为对象存储的，不一定是一个表的，可能是不同表的分片。