信息新技术

分布式处理基础

一、基础概念

二、通信与网络

三、分布式协调与一致性

四、分布式存储与数据库

五、分布式计算框架

六、容错与高可用

七、负载均衡与调度

八、安全与监控

九、常见分布式系统设计模式

十、典型系统与工具学习

区块链

区块链的核心技术

物联网（IoT，Internet of Things）

一、什么是物联网？

二、物联网的基本组成

三、核心技术要素

四、物联网通信协议分类

五、物联网发展面临的挑战

六、物联网与相关技术关系

大数据

一、什么是大数据？

二、大数据的“5V”特征（核心）

三、大数据的常见类型

四、大数据技术体系（核心架构）

五、大数据生态系统核心组件（Hadoop/Spark生态）

六、大数据与人工智能的关系

七、大数据安全与隐私保护

八、大数据与云计算、物联网的关系

云计算

一、什么是云计算？

二、云计算的核心特征（5大特点）

三、云计算服务模式（SPI三层模型）

四、云计算的部署模式

五、云计算核心技术

六、主流云服务商及平台

七、云计算与相关技术的关系

人工智能

一、什么是人工智能？

二、人工智能的核心领域

三、人工智能常用技术

四、人工智能的伦理与挑战

移动互联

一、什么是移动互联？

二、移动互联的基本组成

三、主要技术基础

四、移动应用类型

五、移动互联的主要特点（6C）

互联网+

一、什么是“互联网+”？

典型硬件技术基础

分布式处理基础

分布式系统：是一个硬件或软件组件分布在不同的网络计算机上，彼此之间仅仅通过消息传递进行通信和协调的系统。

分布式：不同的业务模块部署在不同的服务器上或者同一个业务模块分拆多个子业务，部署在不同的服务器上，解决高并发的问题。

集群：同一个业务部署在多台机器上，提高系统可用性。

举例讲解：

摊煎饼卖煎饼，卖煎饼需要进行三道的工序：准备原料、加工、销售。主人A发现这样一天太累了，根本忙不过来，于是乎招人B准备原料，招人C来帮忙加工，这样主人A就可以之进行销售，B和C呢相对于A来说就是分布式；后来随着销量的增加，B和C忙不过来，又找了B1加入到准备原料，C1加入到加工小组。这样B和B1之间就是集群关系，C和C1之间也是集群关系。B小组和C小组属于分布式关系。

一、基础概念

分布式系统定义与特点：资源共享、无共享内存、透明性（位置、访问、迁移、复制等）；
集中式 vs 分布式 vs 并行处理；
CAP定理（一致性、可用性、分区容错性）；
BASE理论（基本可用、软状态、最终一致性）；
分布式架构类型：主从结构、P2P、微服务架构、无中心架构等。

二、通信与网络

进程间通信（IPC）：消息队列、管道、共享内存；
远程过程调用（RPC）/ gRPC；
消息中间件：如 Kafka、RabbitMQ、ActiveMQ；
通信协议：TCP/IP、HTTP/REST、WebSocket；

三、分布式协调与一致性

分布式一致性协议：
- Paxos
- Raft
- Viewstamped Replication
分布式锁
- 基于数据库、Redis、ZooKeeper 的实现；
分布式事务：
- 两阶段提交（2PC）、三阶段提交（3PC）；
- 补偿事务（SAGA）、TCC 模型；

四、分布式存储与数据库

分布式文件系统：如 HDFS、Ceph；
分布式数据库：
- NoSQL：MongoDB、Cassandra、HBase；
- NewSQL：CockroachDB、TiDB；
- 分库分表、中间件（如 ShardingSphere）；
一致性模型：
- 强一致性、最终一致性、读写一致性；
- Quorum机制；

五、分布式计算框架

批处理系统：Hadoop、Spark；
流处理系统：Flink、Storm、Kafka Streams；
图计算：Pregel、GraphX；
MapReduce 编程模型；
并行任务调度与 DAG 执行

六、容错与高可用

副本机制（Replication）
主备切换（Failover）
心跳检测与故障检测机制
熔断、降级、限流机制
幂等性处理

七、负载均衡与调度

负载均衡策略：轮询、最少连接、加权、随机；
服务发现与注册中心：如 ZooKeeper、Consul、Eureka、Etcd；
调度系统：如 Kubernetes 调度器、YARN、Mesos；

八、安全与监控

分布式系统安全：认证、授权、传输加密（SSL/TLS）；
日志与监控：Prometheus、ELK、Grafana；
链路追踪（Tracing）：如 OpenTracing、Jaeger、Zipkin；

九、常见分布式系统设计模式

微服务架构设计模式；
分布式缓存设计（如 Redis Cluster）；
事件驱动架构（EDA）；
数据复制、分片与同步机制；
去中心化系统（如区块链）设计模式

十、典型系统与工具学习

类别	示例工具/框架
文件系统	HDFS, Ceph
消息中间件	Kafka, RabbitMQ
计算框架	Hadoop, Spark, Flink
配置中心	ZooKeeper, Etcd
服务注册	Eureka, Consul
容器/调度	Docker, Kubernetes

区块链

区块链是一种去中心化的、由多个节点共同维护的分布式账本技术（DLT）；
本质上是一个按时间顺序连接的区块链式数据结构，每个区块中记录一组交易或操作数据；
区块链具有：去中心化、开放性，匿名性，信息不可篡改，公开透明，让每个人均可参与数据库记录。

区块链的核心技术

技术名称	简要说明
⛓ 区块结构	区块由区块头（包括前一个区块哈希、时间戳等）和区块体（交易数据）组成
🔐 哈希函数	将任意长度输入映射为固定长度输出，确保数据完整性（如SHA-256）
📃 数字签名	通过非对称加密技术验证交易身份与合法性
🔁 共识机制	网络中节点达成一致的规则（如PoW、PoS、PBFT等）
🔒 加密算法	包括对称加密、非对称加密，确保隐私性与安全性
🧾 智能合约	部署在链上的自动化程序，满足条件自动执行

类型	特点	举例

公有链

所有人可参与，无需许可

比特币、以太坊

私有链

仅授权节点可访问和写入

Hyperledger Fabric

联盟链

多方共同维护，部分开放

金融、供应链企业联合应用

混合链/跨链

不同链间的数据互操作

Cosmos、Polkadot

区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中：

数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法；
网络层则包括分布式组网机制、数据传播机制和数据验证机制等
共识层主要封装网络节点的各类共识算法；
激励层将经济因素集成到区块链技术体系中来，主要包括经济激励的发行机制和分配机制等；
合约层主要封装各类脚本、算法和智能合约，是区块链可编程特性的基础；
应用层则封装了区块链的各种应用场景和案例。

区块链应用：

比特币
智能合约
证券交易
电子商务
物联网
社交通讯
文件存储
存在性证明
身份验证
股权众筹

物联网（IoT，Internet of Things）

一、什么是物联网？

物联网(The Internet of Things) 是指通过信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网主要解决物品与物品(Thing to Thing， T2T) 、人与物品(Human to Thing， H2T) 、人与人(Human to Human， H2H)之间的互连。
两层意思：
第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；
第二，物联网是把用户端延伸和扩展到了任何物品和物品之间的信息交换的通信。

二、物联网的基本组成

组成层	功能说明	举例
感知层（底层）	负责信息采集和识别	传感器、RFID（射频识别）、摄像头、二维码
网络层（中间层）	负责信息传输和通信	WiFi、4G/5G、NB-IoT、蓝牙、ZigBee、LoRa、以太网
应用层（顶层）	负责数据处理、分析和服务应用	智慧城市、智能家居、工业自动化、智慧农业

三、核心技术要素

技术类别	内容
感知技术	RFID、二维码、传感器、摄像头
通信技术	蜂窝通信（4G/5G）、蓝牙、WiFi、ZigBee、LoRa、NB-IoT、卫星通信
网络协议	TCP/IP、MQTT、CoAP、HTTP、ZigBee协议栈
平台与云计算	阿里云IoT、华为IoT、亚马逊AWS IoT、边缘计算平台
大数据与AI	数据分析、预测、行为识别、智能控制
安全技术	加密认证、访问控制、隐私保护、边缘防护

四、物联网通信协议分类

协议类型	举例	特点
短距离通信	蓝牙、ZigBee、Wi-Fi	适合室内或局部范围设备连接
低功耗广域通信（LPWAN）	NB-IoT、LoRa、Sigfox	低速率、长距离、低功耗
蜂窝通信	4G、5G、eMTC	高带宽、高可靠，适合车联网等高实时场景
应用层协议	MQTT、CoAP、AMQP、HTTP	设备与平台通信协议，轻量、高效或通用

五、物联网发展面临的挑战

类型	说明
安全问题	数据泄露、设备劫持、身份认证弱等
互操作性差	不同设备、平台之间协议和标准不统一
功耗与带宽限制	远程或电池供电设备功耗需控制
大规模部署管理难度大	数十亿设备运维管理需要高效平台
隐私保护	需要合法采集和合规使用用户数据

六、物联网与相关技术关系

技术	与物联网的关系
大数据	分析处理物联网设备产生的海量数据
人工智能	提高自动决策、预测分析能力
边缘计算	减少延迟，提升本地响应速度
云计算	提供数据存储、处理与设备管理能力
区块链	提供安全、可信的数据共享与溯源机制
5G	提高连接密度和传输速率，支撑大规模设备联网

大数据

一、什么是大数据？

大数据（Big Data）是指在传统数据处理工具难以高效处理的数据集合，具有体量大、速度快、多样性强、价值密度低等特点。

二、大数据的“5V”特征（核心）

特征英文	中文含义	说明
Volume	大体量	数据规模巨大，如TB、PB级别
Velocity	高速度	数据生成与处理速度快，需实时/准实时响应
Variety	多样性	数据类型多样：结构化、非结构化、半结构化
Value	价值密度低	数据中隐藏价值，需要深度挖掘
Veracity	真实性	数据质量和可靠性参差不齐，需清洗与验证

三、大数据的常见类型

数据类型	示例
结构化数据	表格、数据库（如SQL）
半结构化数据	JSON、XML、日志文件
非结构化数据	图片、音视频、社交媒体内容、PDF、邮件

四、大数据技术体系（核心架构）

1. 数据采集（Data Collection）

技术：Flume、Sqoop、Logstash、NiFi
作用：从数据库、日志、传感器、网页等采集原始数据

2. 数据存储（Data Storage）

分布式文件系统：如 HDFS、Ceph
分布式数据库：
- NoSQL：HBase、MongoDB、Cassandra
- NewSQL：TiDB、CockroachDB
- 数据湖：Iceberg、Delta Lake、Apache Hudi

3. 数据处理与计算（Data Processing）

批处理：Hadoop MapReduce、Spark
流处理：Flink、Storm、Kafka Streams
内存计算：Apache Spark（核心特征）

4. 数据分析与挖掘（Data Analytics）

技术：Spark SQL、Hive、Presto、Pandas
数据挖掘算法：聚类、分类、关联规则、预测等

5. 数据可视化（Visualization）

工具：Tableau、Power BI、ECharts、Superset、FineBI

6. 平台与调度（Data Platform & Orchestration）

大数据平台：Cloudera CDH、Hortonworks HDP、阿里云MaxCompute
调度系统：Airflow、Oozie、DolphinScheduler