大数据的本质还是为了用机器处理海量的数据
在大数据的生态中有各种工具来方便对数据的操作
其中hadoop算是一个核心
spark可以运行在hadoop中的yarn上，就是集群，也可以单机运行，还可以运行在mos上
hive我的理解就是一个客户端工具，写好sql来对数据查询分析
如果你学过py的pandas，那么其中datafrmae你应该已经理解了，可以把spark读出来的数据类比于此
本质就是对这个datafrmae进行各种操作，查询，过滤，聚合，
spark带的机器学习库就是，你把处理好的数据（或者叫筛选好的），调用spark的mlib库就可以实现模型的训练，再将测试数据加载就可以训练
机器学习的算法有逻辑回归，线性回归，决策树，聚类（kmeans）等
