如果是自己做小项目用可以试试 TFS、GFS，如果实际项目中当然是HDFS 因为还要考虑整个生态，比如支持的组件，是否成熟，是否很强大的技术社区，这些方面TFS、GFS没法和hdfs相比

目前看只能是jvm好像不能支持LLVM的编译，所以应该不能，但是我想说一下编译成LLVM能接受的中间形式有啥意义吗

return执行的时候会直接清楚函数的栈空间，所以return一定是最后执行的，finally只是强调在try catch中一定执行 没有强调在函数中的执行顺序

如果源代码没有更改就不需要

hdfs是数据存储框架，相当于你电脑的磁盘，storm，或者spark是计算框架，相当于电脑上的app，不知道这么比喻你能不能明白

主要的流程是这样的：
（1） Client端启动应用程序，提交APP到YARN RM
（2）RM收到请求之后， 就会在集群中随机选择一个NM， 为该应用程序分配第一个Container， 然后在这个Container上启动AM，AM则实现了SC等的初始化
（3）AM启动时会向RM注册，并向RM申请资源
（4）AM一旦申请到资源也就是Container之后， 会在对应的Container（Container信息里面会包含NM节点信息）启动Executor
（5）AM的SC会分配任务及给Executor进行执行(之前Executor会去向AM中的SC注册）， 同时Executor会向AM汇报运行的状态和进度，也就是上面绿色的通信
（6）AM向RM注册之后， AM会定时向RM汇报程序的运行状态等信息，也就是上面红色部分的通信。

Driver运行在AM中，也就是SC与Executor的所有通信操作都与Client无关了， 在提交完应用程序之后，Client就可以离开了

MapReduce Spark 没有yarn是可以一样跑，然而如果有多人同时用，那谁的任务先执行，该在哪台机器上执行，执行多久，这些你都得手工写代码实现

B+树用的空间会多一些，因为B+树的叶子节点不存储数据，必须开辟额外的空间存储数据

可以啊 你把经常查的做成一张大表就行了

接口是对抽象类更高层次的抽象 接口更具有广泛可用性

看一下lightGBM有没有on spark版本的 如果是训练的数据一般不会选这么多数据

单机模式在一台单机上运行，没有分布式文件系统，而是直接读写本地操作系统的文件系统。
伪分布模式（也是在一台单机上运行，但用不同的Java进程模仿分布式运行中的各类结点 伪分布模式在“单节点集群”上运行Hadoop，其中所有的守护进程都运行在同一台机器上。