1.mimikatz源码分析-lsadump模块（注册表）
2.TiKV 源码解析系列文章（十四）Coprocessor 概览
3.大数据笔试真题集锦---第五章:Hive面试题
4.hbase特性有哪些
5.学大数据要掌握什么基础？大数据技术基础知识有哪些？

mimikatz源码分析-lsadump模块（注册表）

       mimikatz是源码一款内网渗透中的强大工具，本文将深入分析其lsadump模块中的源码sam部分，探索如何从注册表获取用户哈希。源码

       首先，源码简要了解一下Windows注册表hive文件的源码结构。hive文件结构类似于PE文件，源码租售平台源码包括文件头和多个节区，源码每个节区又有节区头和巢室。源码其中，源码巢箱由HBASE_BLOCK表示，源码巢室由BIN和CELL表示，源码整体结构被称为“储巢”。源码通过分析hive文件的源码结构图，可以更直观地理解其内部组织。源码

       在解析过程中，源码需要关注的关键部分包括块的签名（regf）和节区的签名（hbin）。这些签名对于定位和解析注册表中的数据至关重要。

       接下来，深入解析mimikatz的解析流程。在具备sam文件和system文件的情况下，主要分为以下步骤：获取注册表system的句柄、读取计算机名和解密密钥、获取注册表sam的句柄以及读取用户名和用户哈希。若无sam文件和system文件，mimikatz将直接通过官方API读取本地机器的注册表。

       在mimikatz中，会定义几个关键结构体，包括用于标识操作的注册表对象和内容的结构体（PKULL_M_REGISTRY_HANDLE）以及注册表文件句柄结构体（HKULL_M_REGISTRY_HANDLE）。这些结构体包含了文件映射句柄、映射到调用进程地址空间的位置、巢箱的起始位置以及用于查找子键和子键值的键巢室。

       在获取注册表“句柄”后，接下来的ac源码编译任务是获取计算机名和解密密钥。密钥位于HKLM\SYSTEM\ControlSet\Current\Control\LSA，通过查找键值，将其转换为四个字节的密钥数据。利用这个密钥数据，mimikatz能够解析出最终的密钥。

       对于sam文件和system文件的操作，主要涉及文件映射到内存的过程，通过Windows API（CreateFileMapping和MapViewOfFile）实现。这些API使得mimikatz能够在不占用大量系统资源的情况下，方便地处理大文件。

       在获取了注册表系统和sam的句柄后，mimikatz会进一步解析注册表以获取计算机名和密钥。对于密钥的获取，mimikatz通过遍历注册表项，定位到特定的键值，并通过转换宽字符为字节序列，最终组装出密钥数据。

       接着，解析过程继续进行，获取用户名和用户哈希。在解析sam键时，mimikatz首先会获取SID，然后遍历HKLM\SAM\Domains\Account\Users，解析获取用户名及其对应的哈希。解析流程涉及多个步骤，包括定位samKey、获取用户名和用户哈希，以及使用samKey解密哈希数据。

       对于samKey的获取，mimikatz需要解密加密的数据，使用syskey作为解密密钥。解密过程根据加密算法（rc4或aes）有所不同，aps动态源码但在最终阶段，mimikatz会调用系统函数对数据进行解密，从而获取用户哈希。

       在完成用户哈希的解析后，mimikatz还提供了一个额外的功能：获取SupplementalCreds。这个功能可以解析并解密获取对应用户的SupplementalCredentials属性，包括明文密码及哈希值，为用户提供更全面的哈希信息。

       综上所述，mimikatz通过解析注册表，实现了从系统中获取用户哈希的高效功能，为内网渗透提供了强大的工具支持。通过深入理解其解析流程和关键结构体的定义，可以更好地掌握如何利用mimikatz进行深入的安全分析和取证工作。

TiKV 源码解析系列文章（十四）Coprocessor 概览

       本文将简要介绍 TiKV Coprocessor 的基本原理。TiKV Coprocessor 是 TiDB 的一部分，用于在 TiKV 层处理读请求。通过引入 Coprocessor，TiKV 可以在获取数据后进行计算，从而提高性能。

       传统处理方式中，TiDB 向 TiKV 获取数据，然后在 TiDB 内部进行计算。而 Coprocessor 则允许 TiKV 进行计算，将计算结果直接返回给 TiDB，减少数据在系统内部的传输。

       Coprocessor 的概念借鉴自 HBase，其主要功能是对读请求进行分类，处理包括 TableScan、IndexScan、Selection、Limit、暴风seo源码TopN、Aggregation 等不同类型请求。其中，DAG 类请求是最复杂且常用的类型，本文将重点介绍。

       DAG 请求是由一系列算子组成的有向无环图，这些算子在代码中称为 Executors。DAG 请求目前支持两种计算模型：火山模型和向量化模型。在当前的 TiKV master 上，这两种模型并存，但火山模型已被弃用，因此本文将重点介绍向量化计算模型。

       向量化计算模型中，所有算子实现了 BatchExecutor 接口，其核心功能是 get_batch。算子类型包括 TableScan、IndexScan、Selection、Limit、TopN 和 Aggregation 等，它们之间可以任意组合。

       以查询语句“select count(1) from t where age>”为例，展示了如何使用不同算子进行处理。本文仅提供 Coprocessor 的概要介绍，后续将深入分析该模块的源码细节，并欢迎读者提出改进意见。

大数据笔试真题集锦---第五章:Hive面试题

       我会不间断地更新维护，希望对正在寻找大数据工作的朋友们有所帮助。

       第五章目录

       第五章 Hive

       5.1 Hive 运行原理（源码级）

       1.1 reduce端join

       在reduce端，对两个表的数据分别标记tag，发送数据。根据分区分组规则获取相同key的gdmm指标源码数据，再根据tag进行join操作，完成实际连接。

       1.2 map端join

       将小表复制到每个map task的内存中，仅扫描大表，对大表中key在小表中存在时进行join操作。使用DistributedCache.addCacheFile设置小表，通过标准IO获取数据。

       1.3 semi join

       先将参与join的表1的key复制到表3中，复制多份到各map task，过滤不在新表3的表2数据，最后进行reduce。

       5.2 Hive 建表

5.3.1 传统方式建表

       定义数据类型，如：TINYINT, STRING, TIMESTAMP, DECIMAL。

       使用ARRAY, MAP, STRUCT结构。

5.3.2 CTAS查询建表

       创建表时指定表名、存储格式、数据来源查询语句。

       缺点：默认数据类型范围限制。

5.3.3 Like建表

       通过复制已有表的结构来创建新表。

5.4 存储格式和压缩格式

       选择ORC+bzip/gzip作为源存储，ORC+Snappy作为中间存储。

       分区表单文件不大采用gzip压缩，桶表使用bzip或lzo支持分片压缩。

       设置压缩参数，如"orc.compress"="gzip"。

5.5 内部表和外部表

       外部表使用external关键字和指定HDFS目录创建。

       内部表在创建时生成对应目录的文件夹，外部表以指定文件夹为数据源。

       内部表删除时删除整个文件夹，外部表仅删除元数据。

5.6 分区表和分桶表

       分区表按分区字段拆分存储，避免全表查询，提高效率。

       动态分区通过设置参数开启，根据字段值决定分区。

       分桶表依据分桶字段hash值分组拆分数据。

5.7 行转列和列转行

       行转列使用split、explode、laterview，列转行使用concat_ws、collect_list/set。

5.8 Hive时间函数

       from_unixtime、unix_timestamp、to_date、month、weekofyear、quarter、trunc、current_date、date_add、date_sub、datediff。

       时间戳支持转换和截断，标准格式为'yyyy-MM-dd HH:mm:ss'。

       month函数基于标准格式截断，识别时截取前7位。

5.9 Hive 排名函数

       row_number、dense_rank、rank。

5. Hive 分析函数：Ntile

       效果：排序并分桶。

       ntile(3) over(partition by A order by B)效果，可用于取前%数据统计。

5. Hive 拉链表更新

       实现方式和优化策略。

5. Hive 排序

       order by、order by limit、sort by、sort by limit的原理和应用场景。

5. Hive 调优

       减少distinct、优化map任务数量、并行度优化、小文件问题解决、存储格式和压缩格式设置。

5. Hive和Hbase区别

       Hive和Hbase的区别，Hive面向分析、高延迟、结构化，Hbase面向编程、低延迟、非结构化。

5. 其他

       用过的开窗函数、表join转换原理、sort by和order by的区别、交易表查询示例、登录用户数量查询、动态分区与静态分区的区别。

hbase特性有哪些

       HBase的特性包括以下几个方面：

高性能的数据写入

       HBase具有非常强的数据写入性能。其基于LSM树结构，数据被随机地分布在整个集群的多个节点上，这使得数据写入时能够并行处理，大大提高了写入性能。同时，HBase支持大量的并发写入操作，使得它在大数据环境下表现优异。

灵活的表结构设计

       HBase是一个非关系型的数据库，它的表结构非常灵活。每个表可以拥有多个列族，每个列族下的数据可以有不同的存储特性。这种灵活性使得HBase能够适应各种类型的数据存储需求，同时也方便了对数据的扩展和管理。

强大的可扩展性

       HBase是基于Hadoop的分布式文件系统HDFS构建的，具有天然的分布式特性。通过增加节点的方式，HBase可以很容易地扩展其存储能力和处理能力。这使得HBase能够在处理海量数据的同时保持高性能。

快速的数据检索

       虽然HBase是一个面向列的数据库，但它的查询性能同样出色。HBase支持高效的范围查询和基于列属性的查询，可以快速定位到特定的数据行。同时，由于数据的分布式存储和处理，即使在大量数据中查询，也能保持较高的效率。

高可用性

       HBase支持集群部署，数据可以在多个节点上进行备份和复制。即使部分节点出现故障，也能保证数据的可用性和系统的稳定运行。这种高可用性使得HBase在大数据处理中非常可靠。而且由于其开放源代码的特性，任何开发者都可以对HBase进行开发和优化，使其更加适应各种应用场景的需求。

学大数据要掌握什么基础？大数据技术基础知识有哪些？

       想要投身大数据领域的小伙伴们，对于大数据技术需要掌握哪些基础知识感到困惑，需要明确学习方向。下面，我将为大家梳理一下大数据需要学习的内容。首先，学习大数据需要掌握的基础知识包括javaSE，EE(SSM)。%的大数据框架都是使用Java编写的。例如，MongoDB是最受欢迎的，跨平台的，面向文档的数据库；Hadoop是用Java编写的开源软件框架，用于分布式存储，并对非常大的数据集进行分布式处理；Spark是Apache Software Foundation中最活跃的项目，是一个开源集群计算框架；Hbase是开放源代码，非关系型，分布式数据库，采用Google的BigTable建模，用Java编写，并在HDFS上运行；MySQL是必须掌握的，SQLon Hadoop又分为batch SQL（Hive），interactive SQL，operation SQL。Linux操作系统也是程序员必须掌握的，大数据的框架安装在Linux操作系统上。

       大数据的系统学习资料已经为大家准备好了，从Linux-Hadoop-spark-......，需要的小伙伴可以点击进入。接下来，需要学习的内容包括大数据离线分析。处理T+1数据时，需要重点关注Hadoop（common、HDFS、MapReduce、YARN）。Hadoop的框架最核心的设计是HDFS和MapReduce。Hadoop主要是环境搭建和数据处理思想。Hadoop用Java编写的开源软件框架，用于分布式存储，并对非常大的数据集进行分布式处理。HDFS为海量的数据提供了存储，MapReduce则为海量的数据提供了计算。Hive（MPP架构）是大数据数据仓库，通过写SQL对数据进行操作，类似于mysql数据库中的sql。HBase是基于HDFS的NOSQL数据库，面向列的存储。列存储的思想是将元组垂直划分为列族集合，每一个列族独立存储，列族可以退化为只包含一个列的平凡列族。当查询少量列时，列存储模型可以极大的减少磁盘IO操作，提高查询性能。扩展前沿框架包括sqoop、RDBMS、flume、调度框架anzkaban、crontab、Kylin、Impala、ElasticSearch等。