什么是大数据

本文概述

• 大数据来源
• 3V大数据
• 用例
• 问题
• 解

大小非常大的数据称为大数据。通常我们处理的数据大小为MB（WordDoc, Excel）或最大GB（电影, 代码）, 但Peta字节即10 ^ 15字节大小的数据称为大数据。据说今天的数据中几乎有90％是在过去3年中生成的。

大数据来源

这些数据来自许多来源, 例如

• 社交网站：Facebook, Google, LinkedIn, 由于这些网站在全球拥有数十亿用户, 因此它们每天都会产生大量数据。
• 电子商务站点：诸如Amazon, Flipkart, 阿里巴巴之类的站点会生成大量日志, 从中可以跟踪用户的购买趋势。
• 气象站：所有气象站和卫星都提供非常庞大的数据, 这些数据会存储并处理以预测天气。
• 电信公司：Airtel, Vodafone等电信巨头研究了用户趋势, 并据此发布了计划, 并为此存储了其百万用户的数据。
• 股票市场：全球的证券交易所通过日常交易产生大量数据。

3V大数据

1. 速度：数据以非常快的速度增长。据估计, 数据量将每两年增加一倍。
2. 种类：现在, 天数据不再存储在行和列中。数据是结构化的还是非结构化的。日志文件, CCTV素材是非结构化数据。可以保存在表中的数据是结构化数据, 例如银行的交易数据。
3. 数量：我们处理的数据量很大, 超过了Peta字节。

用例

一家电子商务网站XYZ（拥有1亿用户）希望为其前一年消费最多的前10位客户提供100美元的礼品券, 此外, 他们还想了解这些客户的购买趋势, 以便公司可以建议与他们相关的更多商品。

问题

需要存储, 处理和分析的大量非结构化数据。

解

存储：Hadoop拥有大量数据, 因此使用HDFS（Hadoop分布式文件系统）, 该HDFS使用商品硬件形成集群并以分布式方式存储数据。它适用于一次写入, 多次读取的原理。

处理：将Map Reduce范式应用于通过网络分发的数据, 以查找所需的输出。

分析：猪, 蜂巢可用于分析数据。

成本：Hadoop是开源的, 因此成本不再是问题。