為了理解“'大數(shù)據(jù)'”，我們首先需要知道'數(shù)據(jù)'是什么 。牛津詞典將'數(shù)據(jù)'定義為：

“由計(jì)算機(jī)執(zhí)行操作的數(shù)量，字符或符號，可以以電信號的形式存儲和傳輸，并記錄在磁，光或機(jī)械記錄介質(zhì)上。”

因此，“大數(shù)據(jù)”也是一種數(shù)據(jù)， 但規(guī)模巨大。“大數(shù)據(jù)”是用來描述數(shù)據(jù)的集合，是體積龐大，但與time.In短成倍增長，術(shù)語 小號 UCH數(shù)據(jù)是如此之大，復(fù)雜，沒有一個(gè)傳統(tǒng)的數(shù)據(jù)管理工具，能夠存儲它或有效地處理它。 

“'大數(shù)據(jù)'”的例子

以下是“大數(shù)據(jù)”的一些例子 - 

在紐約股票交易所產(chǎn)生約一兆兆字節(jié)每天新的貿(mào)易數(shù)據(jù)。

社交媒體影響

統(tǒng)計(jì)數(shù)據(jù)顯示，每天有 500多TB 的新數(shù)據(jù)被提取到社交媒體網(wǎng)站Facebook的數(shù)據(jù)庫中 。這些數(shù)據(jù)主要是根據(jù)照片和視頻上傳，消息交換，評論等方式生成的。 

單噴射引擎可在30分鐘 的飛行時(shí)間內(nèi)生成 10 + TB的數(shù)據(jù) 。每天有數(shù)千個(gè)航班，數(shù)據(jù)生成量可達(dá)數(shù)PB。 

“大數(shù)據(jù)”類別

大數(shù)據(jù)'可以有三種形式：

• 結(jié)構(gòu)化的
• 非結(jié)構(gòu)化
• 半結(jié)構(gòu)化

結(jié)構(gòu)化的

任何可以以固定格式存儲，訪問和處理的數(shù)據(jù)都被稱為“結(jié)構(gòu)化”數(shù)據(jù)。在過去的一段時(shí)間里，計(jì)算機(jī)科學(xué)方面的人才在開發(fā)處理這類數(shù)據(jù)的技術(shù)方面取得了更大的成功(這種格式在此之前是眾所周知的)并且也從中獲得了價(jià)值。然而，現(xiàn)在幾天，我們預(yù)見到這樣的數(shù)據(jù)大小在很大程度上增長的問題，典型的大小正處于多個(gè)zettabyte的風(fēng)靡。這里向大家推薦一個(gè)大數(shù)據(jù)交流圈q裙：894951460。

你知道嗎? 10 21 字節(jié) 等于 1 zettabyte 或 10億TB 形成 zettabyte。

通過查看這些數(shù)據(jù)，我們可以很容易地理解為什么會給出“大數(shù)據(jù)”的名稱，并想象其存儲和處理所涉及的挑戰(zhàn)。

你知道嗎? 存儲在關(guān)系數(shù)據(jù)庫管理系統(tǒng)中的 數(shù)據(jù)是 “結(jié)構(gòu)化”數(shù)據(jù)的一個(gè)示例 。

結(jié)構(gòu)化數(shù)據(jù)的示例

數(shù)據(jù)庫中的“員工”表是結(jié)構(gòu)化數(shù)據(jù)的示例 

非結(jié)構(gòu)化

任何具有未知形式或結(jié)構(gòu)的數(shù)據(jù)都被歸類為非結(jié)構(gòu)化數(shù)據(jù)。除了規(guī)模巨大之外，非結(jié)構(gòu)化數(shù)據(jù)在處理從中獲取價(jià)值方面帶來了多重挑戰(zhàn)。非結(jié)構(gòu)化數(shù)據(jù)的典型示例是包含簡單文本文件，圖像，視頻等組合的異構(gòu)數(shù)據(jù)源。現(xiàn)在，組織可以隨時(shí)獲得大量數(shù)據(jù)，但不幸的是，他們不知道如何從中獲取價(jià)值。此數(shù)據(jù)采用原始格式或非結(jié)構(gòu)化格式。

非結(jié)構(gòu)化數(shù)據(jù)的示例

“Google搜索”返回的輸出 

半結(jié)構(gòu)化

半結(jié)構(gòu)化數(shù)據(jù)可以包含兩種形式的數(shù)據(jù)。我們可以看到半結(jié)構(gòu)化數(shù)據(jù)在形式上是一種受限制的，但實(shí)際上并沒有用例如關(guān)系型DBMS中的表定義來定義。半結(jié)構(gòu)化數(shù)據(jù)的示例是以XML文件表示的數(shù)據(jù)。

半結(jié)構(gòu)化數(shù)據(jù)的例子

存儲在XML文件中的個(gè)人數(shù)據(jù) -

<rec> <name> Prashant Rao </ name> <sex>男</ sex> <age> 35 </ age> </ rec> <rec> <name> Seema R. </ name> <sex> Female < / sex> <age> 41 </ age> </ rec> <rec> <name> Satish Mane </ name> <sex>男</ sex> <age> 29 </ age> </ rec> <rec> <name> Subrato Roy </ name> <sex>男</ sex> <age> 26 </ age> </ rec> <rec> <name> Jeremiah J。</ name> <sex>男</性> <年齡> 35 </年齡> </ REC></pre> 

數(shù)據(jù)增長多年 

請注意，非結(jié)構(gòu)化的Web應(yīng)用程序數(shù)據(jù)由日志文件，事務(wù)歷史記錄文件等組成.OLTP系統(tǒng)用于處理結(jié)構(gòu)化數(shù)據(jù)，其中數(shù)據(jù)存儲在關(guān)系(表)中。

“大數(shù)據(jù)”的特征

(i)卷 - “大數(shù)據(jù)”這個(gè)名稱本身與巨大的規(guī)模有關(guān)。數(shù)據(jù)大小在確定數(shù)據(jù)價(jià)值方面起著非常關(guān)鍵的作用。此外，特定數(shù)據(jù)是否實(shí)際上可以被視為大數(shù)據(jù)，取決于數(shù)據(jù)量。因此， “交易量” 是處理“大數(shù)據(jù)”時(shí)需要考慮的一個(gè)特征。

(ii)多樣性 - “大數(shù)據(jù)”的下一個(gè)方面是它的 多樣性。

多樣性是指異構(gòu)來源和數(shù)據(jù)的本質(zhì)，包括結(jié)構(gòu)化和非結(jié)構(gòu)化。在早期，電子表格和數(shù)據(jù)庫是大多數(shù)應(yīng)用程序考慮的***數(shù)據(jù)源?，F(xiàn)在，在分析應(yīng)用程序中也考慮了電子郵件，照片，視頻，監(jiān)控設(shè)備，PDF，音頻等形式的數(shù)據(jù)。這種各種非結(jié)構(gòu)化數(shù)據(jù)對存儲，挖掘和分析數(shù)據(jù)提出了一些問題。

(iii)速度 - 術(shù)語 “速度” 是指數(shù)據(jù)生成的速度。生成和處理數(shù)據(jù)以滿足需求的速度有多快，這決定了數(shù)據(jù)的真正潛力。

大數(shù)據(jù)速度處理數(shù)據(jù)從業(yè)務(wù)流程，應(yīng)用程序日志，網(wǎng)絡(luò)和社交媒體站點(diǎn)，傳感器，移動設(shè)備等來源流入的速度。數(shù)據(jù)流量巨大且持續(xù)。

(iv)可變性 - 這是指有時(shí)可能由數(shù)據(jù)顯示的不一致性，從而妨礙了能夠有效處理和管理數(shù)據(jù)的過程。

大數(shù)據(jù)處理的好處

處理“大數(shù)據(jù)”的能力帶來多種好處，例如 -

企業(yè)可以在做出決策時(shí)利用外部情報(bào)

從搜索引擎和Facebook，Twitter等網(wǎng)站訪問社交數(shù)據(jù)使組織能夠微調(diào)其業(yè)務(wù)戰(zhàn)略。

改善客戶服務(wù)

傳統(tǒng)的客戶反饋系統(tǒng)正在被采用“大數(shù)據(jù)”技術(shù)設(shè)計(jì)的新系統(tǒng)所取代。在這些新系統(tǒng)中，大數(shù)據(jù)和自然語言處理技術(shù)正被用于閱讀和評估消費(fèi)者的反應(yīng)。

及早識別產(chǎn)品/服務(wù)的風(fēng)險(xiǎn)(如果有)

更高的運(yùn)營效率

在確定應(yīng)將哪些數(shù)據(jù)移動到數(shù)據(jù)倉庫之前，“大數(shù)據(jù)”技術(shù)可用于為新數(shù)據(jù)創(chuàng)建臨時(shí)區(qū)域或登陸區(qū)域。此外，“大數(shù)據(jù)”技術(shù)和數(shù)據(jù)倉庫的這種集成有助于組織卸載不常訪問的數(shù)據(jù)。