接著前兩篇對大數(shù)據(jù)的介紹之后，本篇從實際操作的角度分享大數(shù)據(jù)內部關鍵的運作機制，這是在真正開始學習大數(shù)據(jù)之前對大數(shù)據(jù)的一個概覽。為的是讓我們成為大數(shù)據(jù)的主人。以下是小編為你整理的怎么樣學大數(shù)據(jù)分析 ?

大數(shù)據(jù)運行機制 ?

這是對大數(shù)據(jù)運行機制的概覽，如果你閱讀過上一篇(OODA)，就會感覺非常熟悉。不錯，他們在概念上是如出一撤的!不過實際操作卻又有巨大的不同。

收集數(shù)據(jù)： ?

大數(shù)據(jù)的*站就是收集和存儲海量數(shù)據(jù)(公開/隱私)?，F(xiàn)在每個人都是一個巨大的數(shù)據(jù)源，通過智能手機和個人筆記本釋放出大量的個人行為信息。獲取數(shù)據(jù)似乎已經(jīng)變得越來越容易，數(shù)據(jù)收集這一模塊*的挑戰(zhàn)在于獲取海量數(shù)據(jù)的高速要求以及數(shù)據(jù)的全面性考慮。 ?

清洗數(shù)據(jù)： ?

傳統(tǒng)商業(yè)智能在數(shù)據(jù)清洗處理的做法(ETL)是，把準確的數(shù)據(jù)放入定義好的格式中，通過基礎的抽取統(tǒng)計生成高維度的數(shù)據(jù)，方便直接使用。然而大數(shù)據(jù)有個最突出的特征——數(shù)據(jù)非結構化或者半結構化。因為數(shù)據(jù)有可能是圖片，二進制等等。數(shù)據(jù)清洗的*挑戰(zhàn)來了——如何轉化處理大量非結構數(shù)據(jù)，便于分布式地計算分析。 ?

硬件： ?

這是大家都很熟悉的概念，和大數(shù)據(jù)相關的是虛擬化。主要包括存儲虛擬化，計算虛擬化。因此又說虛擬化存儲和云計算是大數(shù)據(jù)的“左膀右臂”!!大數(shù)據(jù)還需要支持多種類型的數(shù)據(jù)庫，因此一個支持擴展的數(shù)據(jù)倉庫是大數(shù)據(jù)中的基礎。 ?

HBase/Sqoop/Flume(數(shù)據(jù)導入與導出): ?

HBase是運行在HDFS架構上的列存儲數(shù)據(jù)庫，并且已經(jīng)與Pig/Hive很好地集成。通過Java API可以近無縫地使用HBase。 ?

Sqoop設計的目的是方便從傳統(tǒng)數(shù)據(jù)庫導入數(shù)據(jù)到Hadoop數(shù)據(jù)集合(HDFS/Hive)。 ?

Flume設計的目的是便捷地從日志文件系統(tǒng)直接把數(shù)據(jù)導到Hadoop數(shù)據(jù)集合(HDFS)中。 ?

以上這些數(shù)據(jù)轉移工具都極大的方便了使用的人，提高了工作效率，把經(jīng)歷專注在業(yè)務分析上! ?

ZooKeeper/Oozie(系統(tǒng)管理架構)： ?

ZooKeeper是一個系統(tǒng)管理協(xié)調架構，用于管理分布式架構的基本配置。它提供了很多接口，使得配置管理任務簡單化! ?

Oozie服務是用于管理工作流。用于調度不同工作流，使得每個工作都有始有終。 ?

這些架構幫助我們輕量化地管理大數(shù)據(jù)分布式計算架構。 ?

7 ?

Ambari/Whirr(系統(tǒng)部署管理)： ?

Ambari幫助相關人員快捷地部署搭建整個大數(shù)據(jù)分析架構，并且實時監(jiān)控系統(tǒng)的運行狀況。 ?

Whirr的主要作用是幫助快速的進行云計算開發(fā)。

?

Mahout(機器學習)： ?

Mahout旨在幫助我們快速地完成高智商的系統(tǒng)。其中已經(jīng)實現(xiàn)了部分機器學習的邏輯。這個架構可以讓我們快速地集成更多機器學習的智能!! ?

大數(shù)據(jù)服務對比 ?

不同大數(shù)據(jù)服務提供商有不同的產(chǎn)品線，因此不同提供商的產(chǎn)品適用場景也會有所不同。我們重點分析三大服務提供商的大數(shù)據(jù)服務架構。 ?

亞馬遜 ?

擁有大量關于大數(shù)據(jù)處理的經(jīng)驗。初期大數(shù)據(jù)使用者大部分都使用亞馬遜打造的Hadoop架構服務(EC2)。 ?

經(jīng)過厚重沉淀之后，Amazon在2009年提供開發(fā)EMR大數(shù)據(jù)服務。EMR服務提供了多種大數(shù)據(jù)處理分析方案，比如簡單查詢服務，關聯(lián)數(shù)據(jù)分析服務。EMR服務可以使用Hadoop語言繼續(xù)開發(fā)，并且訪問EMR服務的步驟也相當簡單并且安全。 ?

亞馬遜使用托管DynamoDB代替HBase，作為易于擴展的NoSQL數(shù)據(jù)庫。

?

谷歌 ?

谷歌云服務平臺出類拔萃，它所提供的并非虛擬化解決方案，而是提供由API定義的服務和應用程序。程序員無需顧慮硬件，甚至不需要關心后臺的運作行為。 ?

當然這從某種程度也限制了程序員的工作，不過如果谷歌的服務適合業(yè)務，那么使用起來將是全世界*效快捷的大數(shù)據(jù)架構服務。 ?

谷歌的AppEngine作為云平臺管理服務，提供了基于MapReduce的大數(shù)據(jù)并行計算服務。所有的這些服務都可以通過REST風格的API訪問。 ?

BigQuery作為分析的數(shù)據(jù)庫，提供了類SQL的查詢語法。它的性能要比Apache Hive來得快! ?

微軟 ?

微軟在大數(shù)據(jù)中屬于后來居上者。通過Microsoft Azure大數(shù)據(jù)服務平臺，微軟融合自身海量成熟的軟件，例如SQL Server，提供了多種IaaS服務。 ?

微軟的服務面向更多的程序員，使得可以使用不同語言來對接大數(shù)據(jù)平臺Azure。Azure旨在提供一個生態(tài)的大數(shù)據(jù)分析開發(fā)環(huán)境，使得普通研究員也可以施展自己對大數(shù)據(jù)的理解! ?

Hadoop大比較 ?

為什么選擇Hadoop，而不是其他數(shù)據(jù)處理架構，比如傳統(tǒng)關系型數(shù)據(jù)庫或者其他。Hadoop在我的眼里，更像是在“暴力解鎖”，它可以處理每一條數(shù)據(jù)，乃至每一種可能的設想。Hadoop的巨大貢獻在于快速分析大數(shù)據(jù)所隱藏的事實，這在過去也許需要幾天甚至幾個月的時間才能完成，而Hadoop很可能只需要幾分鐘甚至幾秒鐘的時間就可以很完整地做好! ?

關系型數(shù)據(jù)庫的幾個特點使得它無緣大數(shù)據(jù)分析，當然它也有自己擅長的領域。 ?

(1)磁盤可以存儲大量內容，卻無法快速存取!并且存儲空間的擴展是有限度的。 ?

(2)在更新一小部分數(shù)據(jù)的同時，會對整張表乃至整個數(shù)據(jù)庫都會產(chǎn)生影響。 ?

(3)要求存儲的數(shù)據(jù)都是結構化的，能處理的數(shù)據(jù)也都是結構化。 ?

網(wǎng)格計算嘗試通過多臺機器(不同的任務)處理和管理共享文件系統(tǒng)，最終達到大數(shù)據(jù)計算的目的。這樣的嘗試以網(wǎng)絡帶寬的約束而失敗告終。因為數(shù)據(jù)量達到GB級別以上時，網(wǎng)格計算的方法顯得力不從心。不過網(wǎng)格計算用在中小型科研實驗確實是說一不二的選擇! ?