大数据复习的资料太多？这份《大数据复习题（2021）》PDF 就挺实用的，内容聚焦在大数据的几个核心技术，像是 MapReduce 和 Spark，讲得还挺细，关键流程拆解得清清楚楚，连 Combiner 和 Shuffle 的细节都没落下。

MapReduce 的逻辑结构其实不难理解，就是“分而治之”的思想——先拆成小任务（Map），汇总（Reduce）。中间还有个 Shuffle 阶段，负责给数据“分组配对”，这样每个键对应的值就能聚到一块了。

而 Spark 就更灵活了，支持内存计算，速度也快多了，尤其是你不想等结果的场景，像实时啥的，用 Spark 就对了。你要是搞过 RDD 或 DataFrame，会觉得上手还挺快的。

文件里还聊到了 Hadoop 的基本架构，HDFS、YARN、MapReduce 三兄弟谁负责啥，一看就懂。举个例子，HDFS 就是你家仓库，MapReduce 是工人，YARN 则是调度工的，三者配合效率还不错。

对了，还提到了 Jaccard 相似度，这个在文本场景下蛮常用的，像是推荐系统、用户画像那类任务。你要是做数据挖掘，估计经常能碰上。

如果你正在备考或者需要梳理大数据的思路，这份 PDF 挺适合拿来刷一遍的，逻辑清晰，知识点覆盖也全面。顺手我还找了几个配套资源，一起看效果更好：