1. 了解MapReduce运行模式；2. 理解MapReduce性能优化策略

本实战基于 Spark 3.3.2 与 Python 3.7.7，通过统一集群 Python 环境并上传文本至 HDFS，分别使用 RDD 和 Spark SQL 两种方式实现词频统计。前者通过函数式算子链完成分词、计数与排序，后者借助 DataFrame 与 SQL 语句实现声明式分析，全面展示了 PySpark 批处理的核心编程范式与实践流程。

视觉信息从视网膜经外侧膝状体传至初级视觉皮层（V1），再通过腹侧通路（V2→V4→PIT→AIT）完成物体识别；前额叶皮层（PFC）参与决策，前运动皮层（PMC）与运动皮层（MC）协同发出动作指令，整个过程约在200毫秒内完成。

本次实战部署了 Apache Flume 1.11.0 分布式日志采集系统，在 master、slave1 和 slave2 三节点完成安装与环境配置，并通过自定义 Agent 配置实现对本地日志文件的实时监听与控制台输出，验证了 Flume 数据采集流程的正确性与稳定性，为后续对接 Kafka 或 HDFS 奠定基础。

本次实战部署了 Apache Flume 1.11.0 分布式日志采集系统，在 master、slave1 和 slave2 三节点完成安装与环境配置，并通过自定义 Agent 配置实现对本地日志文件的实时监听与控制台输出，验证了 Flume 数据采集流程的正确性与稳定性，为后续对接 Kafka 或 HDFS 奠定基础。

本次实践基于 openEuler 25.09 创新版，完成了从系统安装、基础配置到三节点集群构建的完整流程。通过手动分区、网络配置、防火墙与SELinux调优，打造了安全稳定的系统环境，并利用克隆技术快速部署 Euler01、Euler02 和 Euler03 节点，统一配置主机名、IP及hosts映射，实现网络互通。最终通过FinalShell实现远程管理，为后续搭建OpenStack等云原生平

本次实战在 openEuler 25.09 系统上成功部署并验证了 Docker CE 26.1.3 容器引擎。通过配置阿里云镜像源，有效解决了依赖安装与软件包获取问题，提升了部署效率。完整执行了系统更新、依赖安装、仓库配置、指定版本安装、服务启动与启用等关键步骤，并使用 `docker run hello-world` 成功验证了环境的可用性。针对镜像无法直接删除的问题，明确了“先删除关联容器，

本次实践完成了基于openEuler系统的Chrony时间同步服务部署。在主控节点配置阿里云NTP源并开启内网同步权限，在从节点通过`/etc/hosts`映射实现主机名解析，统一指向主控节点进行时间同步。通过`chronyc sources -v`和`timedatectl`验证，确认各节点时间已成功同步，偏移在毫秒级内，服务运行稳定。

本实战在 openEuler 22.03 上完成 C 程序的编译与运行。通过安装 GCC 编译器，使用 vim 编写 C 源文件，再用 gcc 命令编译生成可执行程序，最后运行输出结果。整个过程掌握了 Linux 环境下 C 语言开发的基本流程，验证了 openEuler 系统对开发工具的良好支持，为后续系统级编程打下基础。

本次实践基于 openEuler 集群环境，配置主节点 Euler01 作为 NTP 时间服务器，通过 Chrony 服务向上游阿里云和公共 NTP 源同步时间，并为 Euler02、Euler03 从节点提供时间服务。从节点配置指向主节点进行时间校准，实现内网时间统一。通过 `chronyc sources` 验证，各节点同步状态正常，偏差在微秒级，精度高，通信稳定。该方案有效保障了集群系统时间