📜  什么是大数据

📅  最后修改于: 2020-12-03 01:35:53             🧑  作者: Mango

什么是大数据

大小非常大的数据称为大数据。通常,我们处理MB(WordDoc,Excel)或最大GB(Movies,Codes)大小的数据,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,这些数据已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,并为此存储了数百万用户的数据。
  • 股票市场:全球的证券交易所通过其日常交易产生大量数据。

3V大数据

  • 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。
  • 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的数据,例如银行的交易数据。
  • 数量:我们处理的数据量非常大,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美元的购物券,此外,他们还希望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。

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。