（）是实现数据战略的重要保障。

在Spark中，SparkSQL是独立的模块，可以不依赖于SparkCore独立完成SQL 语句的解析、优化和执行等操作。

在MapReduce编程中，代码不仅要描述做什么，还要描述具体怎么做。

在Kafka中，Producer可以通过配置同步参数（producer.type）,保证数据按顺序发送。

在IAM控制台创建用户组时，不应当授予数据复制服务管理员权限“DRS Administrator”权限。

在HDFS里,若打开其回收站机制,则删除文件时,文件不会立即真正被删除。

在Flume级联传输过程中，可以使用fail over模式传输，这样如果下一跳的Flume节点故障或 者数据接受异常时，可以自动切换到另外一路上继续传输。

在Flink中，checkpoint机制能够保证应用在运行过程中出现失败时，从某一个点恢复，在此过程中，流快照是根据数据流入顺序依次创建的。

在DWS服务中,通过GDB并行导入数据时,需要明确DWS的集群IP地址。

元数据按用途的不同分为三类：技术元数据、业务元数据和应用元数据。

由于Spark是基于内存的计算引擎，因此，一个Spars应用可以处理的数据量不能超过分给这 个Spark应用的内存总和。