“大數(shù)據(jù)”是近年來IT行業(yè)的熱詞，大數(shù)據(jù)在各個行業(yè)的應(yīng)用逐漸變得廣泛起來，如2014年的兩會，我們聽得最多的也是大數(shù)據(jù)分析，那么，什么是大數(shù)據(jù)呢，大數(shù)據(jù)時代怎么理解呢，一起來看看吧。 ?

互聯(lián)網(wǎng)時代的大數(shù)據(jù) ?

大數(shù)據(jù)的定義。大數(shù)據(jù)，又稱巨量資料，指的是所涉及的數(shù)據(jù)資料量規(guī)模巨大到無法通過人腦甚至主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。 ?

大數(shù)據(jù)的特點。數(shù)據(jù)量大、數(shù)據(jù)種類多、 要求實時性強、數(shù)據(jù)所蘊藏的價值大。在各行各業(yè)均存在大數(shù)據(jù)，但是眾多的信息和咨詢是紛繁復雜的，我們需要搜索、處理、分析、歸納、總結(jié)其深層次的規(guī)律。

大數(shù)據(jù)的采集?？茖W技術(shù)及互聯(lián)網(wǎng)的發(fā)展，推動著大數(shù)據(jù)時代的來臨，各行各業(yè)每天都在產(chǎn)生數(shù)量巨大的數(shù)據(jù)碎片，數(shù)據(jù)計量單位已從從Byte、KB、MB、GB、TB發(fā)展到PB、EB、ZB、YB甚至BB、NB、DB來衡量。大數(shù)據(jù)時代數(shù)據(jù)的采集也不再是技術(shù)問題，只是面對如此眾多的數(shù)據(jù)，我們怎樣才能找到其內(nèi)在規(guī)律。 ?

大數(shù)據(jù)的挖掘和處理。大數(shù)據(jù)必然無法用人腦來推算、估測，或者用單臺的計算機進行處理，必須采用分布式計算架構(gòu)，依托云計算的分布式處理、分布式數(shù)據(jù)庫、云存儲和虛擬化技術(shù)，因此，大數(shù)據(jù)的挖掘和處理必須用到云技術(shù)。 ?

大數(shù)據(jù)的應(yīng)用。大數(shù)據(jù)可應(yīng)用于各行各業(yè)，將人們收集到的龐大數(shù)據(jù)進行分析整理，實現(xiàn)資訊的有效利用。舉個本專業(yè)的例子，比如在奶?；?qū)用鎸ふ遗c產(chǎn)奶量相關(guān)的主效基因，我們可以首先對奶牛全基因組進行掃描，盡管我們獲得了所有表型信息和基因信息，但是由于數(shù)據(jù)量龐大，這就需要采用大數(shù)據(jù)技術(shù)，進行分析比對，挖掘主效基因。例子還有很多。 ?

大數(shù)據(jù)的意義和前景?？偟膩碚f，大數(shù)據(jù)是對大量、動態(tài)、能持續(xù)的數(shù)據(jù)，通過運用新系統(tǒng)、新工具、新模型的挖掘，從而獲得具有洞察力和新價值的東西。以前，面對龐大的數(shù)據(jù)，我們可能會一葉障目、可見一斑，因此不能了解到事物的真正本質(zhì)，從而在科學工作中得到錯誤的推斷，而大數(shù)據(jù)時代的來臨，一切真相將會展現(xiàn)在我么面前。 ?

什么是大數(shù)據(jù) ?

從技術(shù)上看，大數(shù)據(jù)[1]與云計算的關(guān)系就像一枚硬幣的正反面一樣密不可分。大數(shù)據(jù)必然無法用單臺的計算機進行處理，必須采用分布式計算架構(gòu)。它的特色在于對海量數(shù)據(jù)的挖掘，但它必須依托云計算的分布式處理、分布式數(shù)據(jù)庫、云存儲和/或虛擬化技術(shù)。(在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代[4]》中大數(shù)據(jù)指不用隨機分析法(抽樣調(diào)查)這樣的捷徑，而采用所有數(shù)據(jù)的方法)大數(shù)據(jù)的4V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)。 ?

早在1980年，著名未來學家阿爾文·托夫勒便在《第三次浪潮》一書中，將大數(shù)據(jù)熱情地贊頌為第三次浪潮的華彩樂章。不過，大約從2009年開始，大數(shù)據(jù)才成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。美國互聯(lián)網(wǎng)數(shù)據(jù)中心指出，互聯(lián)網(wǎng)上的數(shù)據(jù)每年將增長50%，每兩年便將翻一番，而目前世界上90%以上的數(shù)據(jù)是最近幾年才產(chǎn)生的。此外，數(shù)據(jù)又并非單純指人們在互聯(lián)網(wǎng)上發(fā)布的信息，全世界的工業(yè)設(shè)備、汽車、電表上有著無數(shù)的數(shù)碼傳感器，隨時測量和傳遞著有關(guān)位置、運動、震動、溫度、濕度乃至空氣中化學物質(zhì)的變化，也產(chǎn)生了海量的數(shù)據(jù)信息。 ?

大數(shù)據(jù)的意義是由人類日益普及的網(wǎng)絡(luò)行為所伴生的，受到相關(guān)*、企業(yè)采集的，蘊含數(shù)據(jù)生產(chǎn)者真實意圖、喜好的，非傳統(tǒng)結(jié)構(gòu)和意義的數(shù)據(jù) 。2013年5月10日，阿里巴巴集團董事局主席馬云在淘寶十周年晚會上，將卸任阿里集團CEO的職位，并在晚會上做卸任前的演講，馬云說，大家還沒搞清PC時代的時候，移動互聯(lián)網(wǎng)來了，還沒搞清移動互聯(lián)網(wǎng)的時候，大數(shù)據(jù)時代來了。 ?

大數(shù)據(jù)的常用公式 ?

跨粒度計算(In-DatabaseComputing) ?

Z-Suite支持各種常見的匯總，還支持幾乎全部的專業(yè)統(tǒng)計函數(shù)。得益于跨粒度計算技術(shù)，Z-Suite數(shù)據(jù)分析引擎將找尋出*化的計算方案，繼而把所有開銷較大的、昂貴的計算都移動到數(shù)據(jù)存儲的地方直接計算，我們稱之為庫內(nèi)計算(In-Database)。這一技術(shù)大大減少了數(shù)據(jù)移動，降低了通訊負擔，保證了高性能數(shù)據(jù)分析。 ?

并行計算(MPP Computing) ?

Z-Suite是基于MPP架構(gòu)的商業(yè)智能平臺，她能夠把計算分布到多個計算節(jié)點，再在指定節(jié)點將計算結(jié)果匯總輸出。Z-Suite能夠充分利用各種計算和存儲資源，不管是服務(wù)器還是普通的PC，她對網(wǎng)絡(luò)條件也沒有嚴苛的要求。作為橫向擴展的大數(shù)據(jù)平臺，Z-Suite能夠充分發(fā)揮各個節(jié)點的計算能力，輕松實現(xiàn)針對TB/PB級數(shù)據(jù)分析的秒級響應(yīng)。

?

列存儲 (Column-Based) ?

Z-Suite是列存儲的?；诹写鎯Φ臄?shù)據(jù)集市，不讀取無關(guān)數(shù)據(jù)，能降低讀寫開銷，同時提高I/O 的效率，從而大大提高查詢性能。另外，列存儲能夠更好地壓縮數(shù)據(jù)，一般壓縮比在5 -10倍之間，這樣一來，數(shù)據(jù)占有空間降低到傳統(tǒng)存儲的1/5到1/10 。良好的數(shù)據(jù)壓縮技術(shù)，節(jié)省了存儲設(shè)備和內(nèi)存的開銷，卻大大了提升計算性能。 ?

內(nèi)存計算 ?

得益于列存儲技術(shù)和并行計算技術(shù)，Z-Suite能夠大大壓縮數(shù)據(jù)，并同時利用多個節(jié)點的計算能力和內(nèi)存容量。一般地，內(nèi)存訪問速度比磁盤訪問速度要快幾百倍甚至上千倍。通過內(nèi)存計算，CPU直接從內(nèi)存而非磁盤上讀取數(shù)據(jù)并對數(shù)據(jù)進行計算。內(nèi)存計算是對傳統(tǒng)數(shù)據(jù)處理方式的一種加速，是實現(xiàn)大數(shù)據(jù)分析的關(guān)鍵應(yīng)用技術(shù)。 ?

分析其含義 ?

首先簡介一下大數(shù)據(jù)能夠干什么：首先舉個例子，大家都喜歡上淘寶買東西，淘寶網(wǎng)站會記錄每個人在它網(wǎng)站上都買了什么，瀏覽了什么。。。等等一系列信息。然后分析什么產(chǎn)品賣的火爆，哪個客戶喜歡買什么，那個商家盈利高等等，挖掘一系列有潛在價值 ?

其次分析一下大數(shù)據(jù)的含義，大數(shù)據(jù)既然含有數(shù)據(jù)這個詞匯，就表明他是和數(shù)據(jù)相關(guān)的，而數(shù)據(jù)無非就是如何存儲數(shù)據(jù)和如何使用存儲的數(shù)據(jù)這兩個問題 ?

首先說一下如何存儲：傳統(tǒng)的數(shù)據(jù)都是保存在關(guān)系型數(shù)據(jù)庫，比如oracle和mysql等，這些數(shù)據(jù)庫存儲空間是有限的，并且數(shù)據(jù)庫的東西多了之后，查詢存取的速度會變得很慢，根本做數(shù)據(jù)分析等。此外傳統(tǒng)數(shù)據(jù)都安裝在一臺服務(wù)器上，一旦服務(wù)器宕機了，數(shù)據(jù)庫的內(nèi)容就全部銷毀了，無法恢復 ?

大數(shù)據(jù)的含義就是說數(shù)據(jù)量很大，數(shù)據(jù)量達到pb級別，大公司也許需要幾千臺服務(wù)器才能存儲，用的是分布式存儲技術(shù)。所謂的分布式存儲技術(shù)是指，同樣一份文件，分別存儲在3臺不同的服務(wù)器上，假設(shè)其中服務(wù)器掛機了，還有另外兩臺服務(wù)器工作，并且迅速備份一份文件，始終保證相同文件有3臺服務(wù)器提供工作 ?

大數(shù)據(jù)的使用主要是指根據(jù)公司需求，對現(xiàn)有的數(shù)據(jù)進行挖掘分析。而挖掘分析做的最多的就是查詢數(shù)據(jù)，大數(shù)據(jù)的查詢速度是非?？斓?，因為底層用的是類似于lucene技術(shù)。但是大數(shù)據(jù)不適合修改存儲的文件。因為大數(shù)據(jù)存儲數(shù)據(jù)是以文件的形式存儲的，如果想修改數(shù)據(jù)，它會把原先的文件刪掉，然后重新寫入。 ?