小王：嘿，小李，最近听说贵阳正在建设大数据中台，你知道这背后的技术细节吗？
小李：当然，小王。大数据中台是贵阳智慧城市的一个重要组成部分。它主要负责数据的统一管理和高效利用。
小王：那他们是如何实现数据接入的呢？
小李：贵阳采用了Flume作为数据接入工具。比如，你可以使用以下Flume配置文件来接收来自不同源的数据：
agent.sources = r1
agent.channels = c1
agent.sinks = k1
agent.sources.r1.type = netcat
agent.sources.r1.bind = localhost
agent.sources.r1.port = 44444
agent.channels.c1.type = memory
agent.channels.c1.capacity = 1000
agent.channels.c1.transactionCapacity = 100
agent.sinks.k1.type = logger
agent.sources.r1.channels = c1
agent.sinks.k1.channel = c1
小王：听起来很有趣。那么数据处理和存储又是如何进行的呢？
小李：对于数据处理，贵阳使用了Apache Flink。Flink可以实现实时数据流处理。而数据存储方面，则主要依赖于Hadoop HDFS。例如，我们可以使用Python脚本将数据加载到HDFS中：
from hdfs import InsecureClient
client = InsecureClient('http://localhost:9870', user='hadoop')
with client.write('/user/hadoop/data.csv', overwrite=True) as writer:
writer.write(b'Name,Age,City\nAlice,25,Beijing\nBob,30,Shanghai')
小王：最后一步就是数据分析了吧？他们是如何做到的呢？
小李：没错，数据分析至关重要。贵阳选择了Spark来进行大数据分析。这里有一个简单的Spark SQL示例，用于从HDFS上的CSV文件读取数据并执行查询：
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName("贵阳大数据分析").getOrCreate()
df = spark.read.csv("/user/hadoop/data.csv", header=True, inferSchema=True)
df.createOrReplaceTempView("people")
results = spark.sql("SELECT * FROM people WHERE Age > 25")
results.show()