《安徽省公务员考试计算机类》由会员分享，可在线阅读，更多相关《安徽省公务员考试计算机类（11页珍藏版）》请在金锄头文库上搜索。
1、计算机科学技术基础 .1第一章 计算机及其应用基础知识 .1第二章 计算机信息安全技术 .1第三章 Internet 知识 .2计算机软件及使用 .2第一章 Windows 7 操作系统 .2第二章 文字处理软件 Word 2013.2第三章 电子表格软件 Excel 2013 .3第四章 C 语言程序设计 .3计算机理论 .3第一章 关系数据库理论 .4第二章 网络技术基础 .4第三章 软件工程基础 .5计算机科学技术基础第一章 计算机及其应用基础知识一、计算机的特点、分类及其应用二、信息编码与数据表示；数制及其转换；算术运算和逻辑运算 三、计算机硬件系统的组成及其基本工作原理四、计算机软件
2、系统的组成，系统软件和应用软件的基本概念、功能和分类五、软件基础知识；程序设计语言的基本概念，面向对象技术的基本概念六、大数据技术基础知识大数据（Big Data）大数据，官方定义是指那些数据量特别大、数据类别特别复杂的数据集，这种数据集无法用传统的数据库进行存储，管理和处理。大数据的主要特点为数据量大（Volume） ，数据类别复杂（Variety） ，数据处理速度快（ Velocity）和数据真实性高（Veracity） ，合起来被称为 4V.大数据中的数据量非常巨大，达到了 PB 级别。而且这庞大的数据之中，不仅仅包括结构化数据（如数字、符号等数据） ，还包括非结构化数据（如文本、图像、
3、声音、视频等数据） 。这使得大数据的存储，管理和处理很难利用传统的关系型数据库去完成。在大数据之中，有价值的信息往往深藏其中。这就需要对大数据的处理速度要非常快，才能短时间之内就能从大量的复杂数据之中获取到有价值的信息。在大数据的大量复杂的数据之中，通常不仅仅包含真实的数据，一些虚假的数据也混杂其中。这就需要在大数据的处理中将虚假的数据剔除，利用真实的数据来分析得出真实的结果。大数据分析（Big Data Analysis）大数据，表面上看就是大量复杂的数据，这些数据本身的价值并不高，但是对这些大量复杂的数据进行分析处理后，却能从中提炼出很有价值的信息。对大数据的分析，主要分为五个方面：可视化
4、分析（Analytic Visualization） 、数据挖掘算法（Date Mining Algorithms） 、预测性分析能力（ Predictive Analytic Capabilities） 、语义引擎（Semantic Engines）和数据质量管理（ Data Quality Management） 。可视化分析是普通消费者常常可以见到的一种大数据分析结果的表现形式，比如说百度制作的“百度地图春节人口迁徙大数据”就是典范的案例之一。可视化分析将大量复杂的数据自动转化成直观形象的图表，使其能够更加容易的被普通消费者所接受和理解。数据挖掘算法是大数据分析的理论核心，其本质是一组根
5、据算法事先定义好的数学公式，将收集到的数据作为参数变量带入其中，从而能够从大量复杂的数据中提取到有价值的信息。著名的“啤酒和尿布”的故事就是数据挖掘算法的经典案例。沃尔玛通过对啤酒和尿布购买数据的分析，挖掘出以前未知的两者间的联系，并利用这种联系，提升了商品的销量。亚马逊的推荐引擎和谷歌的广告系统都大量使用了数据挖掘算法。预测性分析能力是大数据分析最重要的应用领域。从大量复杂的数据中挖掘出规律，建立起科学的事件模型，通过将新的数据带入模型，就可以预测未来的事件走向。预测性分析能力常常被应用在金融分析和科学研究领域，用于股票预测或气象预测等。语义引擎是机器学习的成果之一。过去，计算机对用户输入内
6、容的理解仅仅停留在字符阶段，不能很好的理解输入内容的意思，因此常常不能准确的了解用户的需求。通过对大量复杂的数据进行分析，让计算机从中自我学习，可以使计算机能够尽量精确的了解用户输入内容的意思，从而把握住用户的需求，提供更好的用户体验。苹果的 Siri 和谷歌的 Google Now 都采用了语义引擎。数据质量管理是大数据在企业领域的重要应用。为了保证大数据分析结果的准确性，需要将大数据中不真实的数据剔除掉，保留最准确的数据。这就需要建立有效的数据质量管理系统，分析收集到的大量复杂的数据，挑选出真实有效的数据。分布式计算（Distributed Computing）对于如何处理大数据，计算机科
7、学界有两大方向：第一个方向是集中式计算，就是通过不断增加处理器的数量来增强单个计算机的计算能力，从而提高处理数据的速度。第二个方向是分布式计算，就是把一组计算机通过网络相互连接组成分散系统，然后将需要处理的大量数据分散成多个部分，交由分散系统内的计算机组同时计算，最后将这些计算结果合并得到最终的结果。尽管分散系统内的单个计算机的计算能力不强，但是由于每个计算机只计算一部分数据，而且是多台计算机同时计算，所以就分散系统而言，处理数据的速度会远高于单个计算机。过去，分布式计算理论比较复杂，技术实现比较困难，因此在处理大数据方面，集中式计算一直是主流解决方案。IBM 的大型机就是集中式计算的典范硬件
8、，很多银行和政府机构都用它处理大数据。不过，对于当时的互联网公司来说，IBM 的大型机的价格过于昂贵。因此，互联网公司的把研究方向放在了可以使用在廉价计算机上的分布式计算上。服务器集群（Server Cluster）服务器集群是一种提升服务器整体计算能力的解决方案。它是由互相连接在一起的服务器群所组成的一个并行式或分布式系统。服务器集群中的服务器运行同一个计算任务。因此，从外部看，这群服务器表现为一台虚拟的服务器，对外提供统一的服务。尽管单台服务器的运算能力有限，但是将成百上千的服务器组成服务器集群后，整个系统就具备了强大的运算能力，可以支持大数据分析的运算负荷。Google， Amazon，
9、阿里巴巴的计算中心里的服务器集群都达到了 5000 台服务器的范围。大数据的技术基础：MapReduce、Google File System 和 BigTable2003 年到 2004 年间，Google 发表了 MapReduce、GFS（Google File System）和 BigTable 三篇技术论文，提出了一套全新的分布式计算理论。MapReduce 是分布式计算框架，GFS （Google File System）是分布式文件系统，BigTable 是基于 Google File System 的数据存储系统，这三大组件组成了 Google 的分布式计算模型。Google
10、的分布式计算模型相比于传统的分布式计算模型有三大优势：首先，它简化了传统的分布式计算理论，降低了技术实现的难度，可以进行实际的应用。其次，它可以应用在廉价的计算设备上，只需增加计算设备的数量就可以提升整体的计算能力，应用成本十分低廉。最后，它被 Google 应用在 Google 的计算中心，取得了很好的效果，有了实际应用的证明。后来，各家互联网公司开始利用 Google 的分布式计算模型搭建自己的分布式计算系统，Google 的这三篇论文也就成为了大数据时代的技术核心。主流的三大分布式计算系统：Hadoop，Spark 和 Storm由于 Google 没有开源 Google 分布式计算模型
11、的技术实现，所以其他互联网公司只能根据 Google 三篇技术论文中的相关原理，搭建自己的分布式计算系统七、物联网技术基础知识把所有物品通过信息传感设备与互联网连接起来，进行信息交换，即物物相息，以实现智能化识别和管理。二维码车联网智能家居智慧城市八、云计算技术基础知识当世界上第一台计算机于 1946 年 2 月 14 日在美国费城的宾夕法尼亚大学公诸于世的时候，面对这部使用了 18800 个真空管，长 50 英尺，宽 30 英尺，占地 1500 平方英尺，重达 30 吨( 大约是一间半的教室大，六只大象重) 的“巨型”计算机，没有人能够想到，在经历了电子管、晶体管、集成电路和大规模集成电路等
12、时代，60 多年后的个人计算机可以只有一本书厚。当美国国防部高级研究计划局(ARPA)在上世界七十年代初把办公室的几台电脑连接起来使用的时候，他们也绝不会想到三十多年后，普通老百姓也可以通过 Internet 看到维基百科解密的美国国防部的机密文件。今天，尽管我们有了高速的个人计算机，尽管我们有了储存大量信息的网络，但是科学技术的发展是无止境，信息技术的高速发展将会为人类带来更美好的生活，一个新的观念已经为 IT 业指明了发展方向，这就是云计算。那么什么是云计算呢?云计算，顾名思义就是计算“云”的方法。当然，这里的“云”不是蓝天中飘荡的白云。而是散布在 Internet 上的各种资源的统称。把 Internet 比喻
