Docker的镜像是一个模板，或者说其是一个只读的文件。在该模板中包含应用程序和应用程序运行时所需要的依赖环境。Docker的镜像采用的是分层的文件系统，每一次对镜像的修改将以读写层的形式增加到原来的只读文件的模板上。  视频讲解如下：[链接]

  Flink与Spark一样也是大数据计算引擎，可以完成离线的批处理计算和流处理计算。Flink的优势在它的流处理引擎DataStream。下图展示了Flink的生态圈体系架构。  视频讲解如下：[链接]

首先，还原数据用于支持查询的一致性读取。为了保证在同一个事务中前后读取数据的一致性，原始信息必须作为还原数据存在。只要保留的还原数据，Oracle数据库就能通过重建数据来满足读取一致性查询的要求。

  Spark的生态圈体系架构与Hadoop略有不同。因为在Spark中只有数据的计算部分，没有数据的存储部分，因为Spark的核心就是它的执行引擎。下图展示了Spark的生态圈体系，以及访问每个模块的访问接口。  视频讲解如下：[链接]

  在学习Kubernetes之前，有必要了解一下它的体系架构及其组件。这对于后续部署Kubernetes集群及使用它都非常的重要。下图展示了Kubernetes的体系架构。  Kubernetes属于主从分布式架构的体系架构，主要包括master的主节点和node的工作节点。实际的生产环境中，node的工作节点至少两个。 &emsp...

  它的全称是Hadoop Distributed File System，它是Hadoop分布式文件系统，用于解决大数据的存储问题。HDFS源自于Google的GFS论文，可用于运行在低成本的通用硬件上，是一个具有容错的文件系统。

  Yarn作为一个资源和任务调度的平台，在实际应用中往往不止一个应用程序运行在Yarn之上，例如：在Yarn上同时运着MapReduce任务、Spark任务和Flink任务等等。这时候Yarn就需要有一种机制进行调度去分配资源给这些应用程序。  视频讲解如下：[链接]

  MongoDB是一个可移植的NoSQL数据库，它几乎可以运行在所有的操作系统之上，从而实现了跨平台性。尽管在不同的操作系统上虽然略有差别，但是从整体上来看，MongoDB在不同的操作系统平台上的体系架构（如数据逻辑结构和数据存储等等）都是一样的。一个运行着的MongoDB数据库就可以看成是一个MongoDB服务器，该...

  一般情况下数据存在数据库中，应用程序直接操作数据库。当应用程序访问量上万，数据库压力突然增大，如果需要减轻数据库服务器的压力，有以下方法：

  对于MySQL来说，虽然经历了多个版本迭代，并且也存在不同的分支。但是MySQL数据库的基础架构基本都是一致的。下图展示了MySQL的体系架构。​  视频讲解如下：[链接]

  Docker是一个客户端服务器（Client-Server）架构。Docker客户端和Docker守护进程交流，而Docker的守护进程是运作Docker的核心，起着非常重要的作用（如构建、运行和分发Docker容器等）。  视频讲解如下： [链接]

  PostgreSQL是最像Oracle的开源数据库，我们可以拿Oracle来比较学习它的体系结构，比较容易理解。PostgreSQL的主要结构如下：  视频讲解如下：[链接]

  在了解了大数据各个生态圈所包含的组件及其功能特性后，就可以利用这些组件来搭建一个大数据平台从而实现数据的存储和数据的计算。下图展示了大数据平台的整体架构。  视频讲解如下：