現在越來越多的人都在談大數據，不單單是IT圈內。但是刨根問底，究竟什么是大數據技術？大數據的“前世今生”又有著怎樣的發展歷程，可能很多朋友就不是很清楚了。

我們都知道，大數據其實就是一個海量數據集合的概念，隨著當今數據量的不斷激增，促使企業在應用層面開始應用大數據理念和技術，傳統的常規數據工具已經無法在移動時間內對數據信息進行準確的采集、分析和應用，因此，就誕生了大數據等一系列技術和理念。

大數據基本特征

熟悉大數據行業的朋友們可能都不會陌生，大數據具有“4V”特性，這4V即數據量大、類型多、價值密度低、速度快時效高這樣四個特點。我們都知道，之所以稱之為大數據，首先就是“大”，數據的起始計量單位至少是PB級。

如此數量龐大的數據量當中包含了種類繁多的特性，包括結構化、半結構化和非結構化數據，具體表現為網絡日志、音頻、視頻、圖片、地理位置信息等等，多類型的數據對數據的處理能力提出了更高的要求。

隨著互聯網以及物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低，如何結合業務邏輯并通過強大的機器算法來挖掘數據價值，是大數據時代最需要解決的問題。>>

數據永遠是“在線”的

之所以說大數據是永遠在線的，就是說數據是能夠隨時被調配和調用的，這也是大數據區別于其他普通數據信息的根本區別，現在我們所談到的大數據不僅僅是大，更重要的是數據變的在線了，這是互聯網高速發展背景下的特點。

數據只有在線，即數據在與產品用戶或者客戶產生連接的時候才有意義。如某用戶在使用某互聯網應用時，其行為及時的傳給數據使用方，數據使用方通過某種有效加工后進行該應用的推送內容的優化，把用戶最想看到的內容推送給用戶，也提升了用戶的使用體驗。

大數據技術如何發展

大數據作為當今IT技術的一個重要組成部分，以成本低廉、部署快速、應用廣泛等特點得到了業界的廣泛認同，大數據技術不斷涌現和發展，使得用戶在處理海量數據時變得更加容易，更加快捷。

在大數據采集與預處理方向。這方向最常見的問題是數據的多源和多樣性，導致數據的質量存在差異，嚴重影響到數據的可用性。針對這些問題，目前很多公司已經推出了多種數據清洗和質量控制工具。

既然企業擁有了海量數據，那么對于這些數據的存儲就變成了一個很重要的問題，企業在數據存儲管理方面的挑戰變得日趨嚴峻，需要兼顧結構化、非結構化和半結構化的數據。分布式文件系統和分布式數據庫相關技術的發展正在有效的解決這些方面的問題。

由于大數據處理多樣性的需求，目前出現了多種典型的計算模式，包括大數據查詢分析計算（如Hive）、批處理計算（如Hadoop MapReduce）、流式計算（如Storm）、迭代計算（如HaLoop）、圖計算（如Pregel）和內存計算（如Hana），而這些計算模式的混合計算模式將成為滿足多樣性大數據處理和應用需求的有效手段。

數據挖掘及可視化推動大數據發展

隨著現在個人用戶和企業用戶對于數據需求的不斷提升，使得在處理海量數據的時候不得不采用數據挖掘技術來提高數據收集和運算的準確度，這就使得越來越多的大數據分析工具和產品應運而生，如用于大數據挖掘的R Hadoop版、基于MapReduce開發的數據挖掘算法等等。

現在越來越多的人在談大數據的可視化，用戶都希望對自己的數據掌控更高的主動權。對于企業來說，通過可視化方式來幫助人們探索和解釋復雜的數據，有利于決策者挖掘數據的商業價值，進而有助于大數據的發展。很多公司也在開展相應的研究，試圖把可視化引入其不同的數據分析和展示的產品中。

編輯的話

大數據技術在現在很多行業用戶當中已經開始了非常廣泛的應用，不管是個人用戶，還是企業用戶，都已經能夠感受到很多大數據帶給我們的便捷，隨著云計算、虛擬化等技術的不斷成熟，未來大數據領域還將變得更加接地氣。