如下命令启动Flume：
> cd c:\apache-flume-1.9.0-bin
> .\bin\flume-ng.cmd                           --conf ./conf --conf-file ./conf/kafka.conf --name a1 -property flume.root.logger=INFO,console

在kafka安装目录中启动Kafka服务：
. \bin\windows\                .\config\                    

    通过urllib.request模块实现发送GET请求获取网页内容：
>>> import urllib.request
>>> response=urllib.request. ("http://www.baidu.com")
>>> html=
>>> print(html)

HDFS采用了         结构模型，一个HDFS集群包括 和 。

数据清洗主要是对         、            、            和            进行处理。

计算机系统中的数据组织形式主要有两种，即 和 。

是构成信息的基本单位。

Hadoop包括三种安装模式 、 以及 。

是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成部分。

典型的数据分析过程包括 、 、 、 等。

数据清洗按照实现方式，可以分为____和____。

删除HDFS中/user/text.txt文件的命令是_______。

Hadoop包括三种安装模式____；____；____。

在爬取网页的时候，输出的信息中有时候会出现“抱歉，无法访问”等字眼，这就是禁止爬取，需要通过定制_____来解决。

BeautifulSoup 中，Tag对象或BeautifulSoup对象的________方法，可以使用CSS选择器的语法找到标签。

在Scrapy中，_______是用于定义如何从一个或多个网站抓取数据的类。

____是作业项之间带箭头的连接线，它定义了作业的执行路径。

每个Kettle作业由一个或多个____和连接作业项的____组成。

Kettle 的基本功能包括____管理和____管理。