大数据54720.doc

大数据 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具， 在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯 。(在维克托·迈尔- 舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查） 这样的捷径，而采用所有数据的方法）大数据的4V特点：Volume（大量）、Velocity（ 高速）、Variety（多样）、veracity（真实性）。 大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进 行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键， 在于提高对数据的"加工能力"，通过"加工"实现数据的"增值"。 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必 然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行 分布式数据挖掘（SaaS），但它必须依托云计算的分布式处理、分布式数据库（PaaS） 和云存储、虚拟化技术（IaaS）。 大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据 的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式 数据库、云计算平台、互联网和可扩展的存储系统。 大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。《计 算机学报》刊登的"架构大数据：挑战、现状与展望"一文列举了大数据分析平台需要具备 的几个重要特性，对当前的主流实现平台——并行数据库、MapReduce及基于两者的混合架 构进行了分析归纳，指出了各自的优势及不足，同时也对各个方向的研究现状及作者在 大数据分析方面的努力进行了介绍，对未来研究做了展望。 大数据的4个"V"，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到 PB级别；第二，数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等 。第三，数据的来源，直接导致分析结果的准确性和真实性。若数据来源是完整的并且 真实，最终的分析结果以及决定将更加准确。第四，处理速度快，1秒定律。最后这一点 也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个"V"——Volume（大量） 、Velocity（高速）、Variety（多样）、Veracity（真实性） 从某种程度上说，大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中 ，快速获得有价值信息的能力，就是大数据技术。 大数据可分成大数据技术、大数据工程、大数据科学和大数据应用等领域。目前人们 谈论最多的是大数据技术和大数据应用。工程和科学问题尚未被重视。大数据工程指大 数据的规划建设运营管理的系统工程；大数据科学关注大数据网络发展和运营过程中发 现和验证大数据的规律及其与自然和社会活动之间的关系。 物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落 的各种各样的传感器，无一不是数据来源或者承载的方式。 有些例子包括网络日志，RFID，传感器网络，社会网络，社会数据（由于数据革命的社 会），互联网文本和文件;互联网搜索索引;呼叫详细记录，天文学，大气科学，基因组 学，生物地球化学，生物，和其他复杂和/或跨学科的科研，军事侦察，医疗记录;摄影 档案馆视频档案;和大规模的电子商务 。 ----------------------- 大数据54720全文共1页，当前为第1页。