hbase里边有10亿条记录，请问用实时技术检索该记录用了多长时间?
因为HBASE基于内存做检索，在ROWKEY设计非常理想状态下检测速度大概在10秒钟左右
实时分析架构用到了哪些技术 这些技术在大数据分析流程里边的作用是什么？
spark sterimg 实时速度应该在秒级左右，hadoop加storm实时速度应该在毫秒级
快速处理数据，快速响应，应用在电商金融领域
spark是否能解决高并发问题？spark常用到的算子有哪些？可以—怎么解决？不知道
1. value型算子
从输入到输出可分为一对一（包括cache）、多对一、多对多、输出分区为输入分区自激
1)一对一，
map,简单的一对一映射，集合不变；
flatMap，一对一映射，并将最后映射结果整合；
mappartitions,对分区内元素进行迭代操作，例如过滤等，然后分区不变
glom,将分区内容转换成数据
2）多对一，
union，相同数据类型RDD进行合并，并不去重
cartesian,对RDD内的所有元素进行笛卡尔积操作
3）多对多，
groupBy，将元素通过函数生成相应的Key，然后转化为Key-value格式
4）输出分区为出入分区子集，
filter，对RDD进行过滤操作，结果分区不调整
distinct，对RDD进行去重操作，
subtract，RDD间进行减操作，去除相同数据元素
sample/takeSample 对RDD进行采样操作
5）cache,
cache,将RDD数据原样存入内存
persist，对RDD数据进行缓存操作
2. Key-Value算子
Key-Value算子大致可分为一对一，聚集，连接三类操作
1）一对一，
mapValues，针对数值对中的Value进行上面提到的map操作
2）聚集操作
combineByKey、reduceByKey、partitionBy、cogroup
3）连接
join、leftOutJoin、rightOutJoin
3. Actions算子
该算子通过SparkContext执行提交作业操作，出发RDD DAG的执行
1）foreach， 对RDD中每个元素进行操作，但是不返回RDD或者Array，只返回Unit
2）存入HDFS,saveAsTextFile，saveAsObjectFile
3）scala数据格式，collect，collectAsMap，reduceByKeyLocally， lookup， count， top， reduce， fold， aggregate
spark实时架构用到了多少节点？每个节点多少核cpu？多少内存？
8节点 32G内存 ROM 2T 处理速度在10秒钟左右 （下面的数据处理情况）
hive调用spark
