1、Hadoop中有很多方法可以加入多个数据集。MapReduce提供了Map端和Reduce端的数据连接。这些连接是非平凡的连接，并且可能会是非常昂贵的操作。Pig和Hive也具有同等的能力来申请连接到多个数据集。Pig提供了复制连接，合并连接和倾斜连接（skewed join），并且Hive提供了map端的连接和完整外部连接来分析数据。
2、大数据在存储和管理时用到的关键技术主要包括：分布式存储技术：如Hadoop的HDFS，能够将数据分散地存储在多个节点上，从而实现对海量数据的处理。分布式计算框架：如Hadoop的MapReduce，能够在大量计算机集群上并行地处理大数据，实现大数据的快速分析。
3、从目前来看，为大数据建立足够大的存储平台最简单的方法就是购买一套服务器，并为每台服务器配备数TB级的驱动器，然后让Hadoop来完成余下的工作。对于一些规模较小的企业而言，可能只要这么简单。然而，一旦考虑处理性能、算法复杂性和数据挖掘，这种方法可能不一定能够保证成功。
4、Snappy：速度飞快，Hadoop原生支持，但压缩率相对较低，不支持分片，适合生产环境。GZIP：压缩比高，Hadoop兼容，但不支持分片。LZO：速度快，支持分片，但压缩率较低，需要额外安装。SNAPPY：速度与Snappy相当，原生支持，压缩率较低，但不支持分片。
1、企业提供的大数据解决方案大多基于Hadoop开源项目。Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
2、大数据解决方案可以应用于各行各业，几乎可以解决所有数据相关的问题。它们可以帮助企业处理各种数据，包括交易、客户、产品、服务、市场、雇员数据等等。以下是一些常见的应用领域：1 风控 大数据解决方案可以帮助银行、金融机构和保险公司管理风险，通过预测客户的未来行为来评估风险。
3、企业一般采用商业智能来对数据进行分析处理。比如用于销售模块可以分析销售数据，挖掘市场需求；用于客户分析可以分析用户行为，精准营销；用于财务分析可以分析财务数据，预估风险之类的。
4、一般来说，大数据的解决方案就有Apache Drill、Pentaho BI、Hadoop、RapidMiner、Storm、HPCC等等。下面就给大家逐个讲解一下这些解决方案的情况。第一要说的就是Apache Drill。这个方案的产生就是为了帮助企业用户寻找更有效、加快Hadoop数据查询的方法。
搭建Hadoop大数据平台的主要步骤包括：环境准备、Hadoop安装与配置、集群设置、测试与验证。环境准备 在搭建Hadoop大数据平台之前，首先需要准备相应的硬件和软件环境。硬件环境通常包括多台服务器或者虚拟机，用于构建Hadoop的分布式集群。软件环境则包括操作系统、Java运行环境等。
因此集群内的硬件配置不要超过两种或三种。硬件建议：Namenode/Jobtracker：1Gb/s以太网口x16GB内存、4个CPU、100GB磁盘Datanode：1Gb/s以太网口x8GB内存、4个CPU、多个磁盘，总容量500GB以上实际的硬件配置可以与我们建议的配置不同，这取决于你们需要存储和处理的数据量。
Hadoop的核心是MapReduce（映射和化简编程模型）引擎，Map意为将单个任务分解为多个，而Reduce则意为将分解后的多任务结果汇总，该引擎由JobTrackers（工作追踪，对应命名节点）和TaskTrackers（任务追踪，对应数据节点）组成。