現(xiàn)如今，我們身邊很多人對一些熱門的新技術(shù)、新趨勢往往趨之若鶩卻又很難說得透徹，比如大數(shù)據(jù)，如果被問大數(shù)據(jù)和你有什么關(guān)系，估計很少能說出一二三來。究其原因，一是因為大家對新技術(shù)有著相同的原始渴求，至少知其然，在聊天時不會顯得很“土鱉”；二是在工作和生活環(huán)境中，真正能參與實踐的大數(shù)據(jù)案例實在太少了，所以大家沒有機(jī)會花時間去知其所以然。
我希望有些不一樣，所以對該如何去認(rèn)識大數(shù)據(jù)進(jìn)行了一番思索，包括查閱了資料，翻閱了最新的專業(yè)書籍，但我并不想把那些零散的資料碎片或不同理解論述簡單規(guī)整并堆積起來形成毫無價值的轉(zhuǎn)述或評論，我很真誠的希望進(jìn)入事物探尋本質(zhì)。
如果你說大數(shù)據(jù)就是數(shù)據(jù)大，或者侃侃而談4個V，也許很有深度的談到BI或預(yù)測的價值，又或者拿Google和Amazon舉例，技術(shù)流可能會聊起Hadoop和Cloud Computing，不管對錯，只是無法勾勒對大數(shù)據(jù)的整體認(rèn)識，不說是片面，但至少有些管窺蠡測、隔衣瘙癢了。……也許，“解構(gòu)”是最好的方法。
怎樣結(jié)構(gòu)大數(shù)據(jù)?
首先，我認(rèn)為大數(shù)據(jù)就是互聯(lián)網(wǎng)發(fā)展到現(xiàn)今階段的一種表象或特征而已，沒有必要神話它或?qū)λ３志次分模谝栽朴嬎銥榇淼募夹g(shù)創(chuàng)新大幕的襯托下，這些原本很難收集和使用的數(shù)據(jù)開始容易被利用起來了，通過各行各業(yè)的不斷創(chuàng)新，大數(shù)據(jù)會逐步為人類創(chuàng)造更多的價值。
其次，想要系統(tǒng)的認(rèn)知大數(shù)據(jù)，必須要全面而細(xì)致的分解它，我著手從三個層面來展開：
第一層面是理論，理論是認(rèn)知的必經(jīng)途徑，也是被廣泛認(rèn)同和傳播的基線。我會從大數(shù)據(jù)的特征定義理解行業(yè)對大數(shù)據(jù)的整體描繪和定性;從對大數(shù)據(jù)價值的探討來深入解析大數(shù)據(jù)的珍貴所在;從對大數(shù)據(jù)的現(xiàn)在和未來去洞悉大數(shù)據(jù)的發(fā)展趨勢;從大數(shù)據(jù)隱私這個特別而重要的視角審視人和數(shù)據(jù)之間的長久博弈。
第二層面是技術(shù)，技術(shù)是大數(shù)據(jù)價值體現(xiàn)的手段和前進(jìn)的基石。我將分別從云計算、分布式處理技術(shù)、存儲技術(shù)和感知技術(shù)的發(fā)展來說明大數(shù)據(jù)從采集、處理、存儲到形成結(jié)果的整個過程。
第三層面是實踐，實踐是大數(shù)據(jù)的最終價值體現(xiàn)。我將分別從互聯(lián)網(wǎng)的大數(shù)據(jù)，政府的大數(shù)據(jù)，企業(yè)的大數(shù)據(jù)和個人的大數(shù)據(jù)四個方面來描繪大數(shù)據(jù)已經(jīng)展現(xiàn)的美好景象及即將實現(xiàn)的藍(lán)圖。
和大數(shù)據(jù)相關(guān)的理論
特征定義
最早提出大數(shù)據(jù)時代到來的是麥肯錫：“數(shù)據(jù)，已經(jīng)滲透到當(dāng)今每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長和消費(fèi)者盈余浪潮的到來。”
業(yè)界(IBM 最早定義)將大數(shù)據(jù)的特征歸納為4個“V”(量Volume，多樣Variety，價值Value，速Velocity)，或者說特點(diǎn)有四個層面：第一，數(shù)據(jù)體量巨大。大數(shù)據(jù)的起始計量單位至少是P(1000個T)、E(100萬個T)或Z(10億個T);第二，數(shù)據(jù)類型繁多。比如，網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。第三，價值密度低，商業(yè)價值高。第四，處理速度快。最后這一點(diǎn)也是和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有著本質(zhì)的不同。
其實這些V并不能真正說清楚大數(shù)據(jù)的所有特征，下面這張圖對大數(shù)據(jù)的一些相關(guān)特性做出了有效的說明。
古語云：三分技術(shù)，七分?jǐn)?shù)據(jù)，得數(shù)據(jù)者得天下。先不論誰說的，但是這句話的正確性已經(jīng)不用去論證了。維克托·邁爾-舍恩伯格在《大數(shù)據(jù)時代》一書中舉了百般例證，都是為了說明一個道理：在大數(shù)據(jù)時代已經(jīng)到來的時候要用大數(shù)據(jù)思維去發(fā)掘大數(shù)據(jù)的潛在價值。書中，作者提及最多的是Google如何利用人們的搜索記錄挖掘數(shù)據(jù)二次利用價值，比如預(yù)測某地流感爆發(fā)的趨勢;Amazon如何利用用戶的購買和瀏覽歷史數(shù)據(jù)進(jìn)行有針對性的書籍購買推薦，以此有效提升銷售量;Farecast如何利用過去十年所有的航線機(jī)票價格打折數(shù)據(jù)，來預(yù)測用戶購買機(jī)票的時機(jī)是否合適。
那么，什么是大數(shù)據(jù)思維?維克托·邁爾-舍恩伯格認(rèn)為，1-需要全部數(shù)據(jù)樣本而不是抽樣;2-關(guān)注效率而不是精確度;3-關(guān)注相關(guān)性而不是因果關(guān)系。
阿里巴巴的王堅對于大數(shù)據(jù)也有一些獨(dú)特的見解，比如，
“今天的數(shù)據(jù)不是大，真正有意思的是數(shù)據(jù)變得在線了，這個恰恰是互聯(lián)網(wǎng)的特點(diǎn)。”
“非互聯(lián)網(wǎng)時期的產(chǎn)品，功能一定是它的價值，今天互聯(lián)網(wǎng)的產(chǎn)品，數(shù)據(jù)一定是它的價值。”
“你千萬不要想著拿數(shù)據(jù)去改進(jìn)一個業(yè)務(wù)，這不是大數(shù)據(jù)。你一定是去做了一件以前做不了的事情。”
特別是最后一點(diǎn)，我是非常認(rèn)同的，大數(shù)據(jù)的真正價值在于創(chuàng)造，在于填補(bǔ)無數(shù)個還未實現(xiàn)過的空白。
有人把數(shù)據(jù)比喻為蘊(yùn)藏能量的煤礦。煤炭按照性質(zhì)有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數(shù)據(jù)并不在“大”，而在于“有用”。價值含量、挖掘成本比數(shù)量更為重要。
價值探討
大數(shù)據(jù)是什么?投資者眼里是金光閃閃的兩個字：資產(chǎn)。比如，F(xiàn)acebook上市時，評估機(jī)構(gòu)評定的有效資產(chǎn)中大部分都是其社交網(wǎng)站上的數(shù)據(jù)。
如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵，在于提高對數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。
Target 超市以20多種懷孕期間孕婦可能會購買的商品為基礎(chǔ)，將所有用戶的購買記錄作為數(shù)據(jù)來源，通過構(gòu)建模型分析購買者的行為相關(guān)性，能準(zhǔn)確的推斷出孕婦的具體臨盆時間，這樣Target的銷售部門就可以有針對的在每個懷孕顧客的不同階段寄送相應(yīng)的產(chǎn)品優(yōu)惠卷。
Target的例子是一個很典型的案例，這樣印證了維克托·邁爾-舍恩伯格提過的一個很有指導(dǎo)意義的觀點(diǎn)：通過找出一個關(guān)聯(lián)物并監(jiān)控它，就可以預(yù)測未來。Target通過監(jiān)測購買者購買商品的時間和品種來準(zhǔn)確預(yù)測顧客的孕期，這就是對數(shù)據(jù)的二次利用的典型案例。如果，我們通過采集駕駛員手機(jī)的GPS數(shù)據(jù)，就可以分析出當(dāng)前哪些道路正在堵車，并可以及時發(fā)布道路交通提醒;通過采集汽車的GPS位置數(shù)據(jù)，就可以分析城市的哪些區(qū)域停車較多，這也代表該區(qū)域有著較為活躍的人群，這些分析數(shù)據(jù)適合賣給廣告投放商。
不管大數(shù)據(jù)的核心價值是不是預(yù)測，但是基于大數(shù)據(jù)形成決策的模式已經(jīng)為不少的企業(yè)帶來了盈利和聲譽(yù)。
從大數(shù)據(jù)的價值鏈條來分析，存在三種模式：
1- 手握大數(shù)據(jù)，但是沒有利用好;比較典型的是金融機(jī)構(gòu)，電信行業(yè)，政府機(jī)構(gòu)等。
2- 沒有數(shù)據(jù)，但是知道如何幫助有數(shù)據(jù)的人利用它;比較典型的是IT咨詢和服務(wù)企業(yè)，比如，埃森哲，IBM，Oracle等。
3- 既有數(shù)據(jù)，又有大數(shù)據(jù)思維;比較典型的是Google，Amazon，Mastercard等。
未來在大數(shù)據(jù)領(lǐng)域最具有價值的是兩種事物：1-擁有大數(shù)據(jù)思維的人，這種人可以將大數(shù)據(jù)的潛在價值轉(zhuǎn)化為實際利益;2-還未有被大數(shù)據(jù)觸及過的業(yè)務(wù)領(lǐng)域。這些是還未被挖掘的油井，金礦，是所謂的藍(lán)海。
Wal-Mart作為零售行業(yè)的巨頭，他們的分析人員會對每個階段的銷售記錄進(jìn)行了全面的分析，有一次他們無意中發(fā)現(xiàn)雖不相關(guān)但很有價值的數(shù)據(jù)，在美國的颶風(fēng)來臨季節(jié)，超市的蛋撻和抵御颶風(fēng)物品竟然銷量都有大幅增加，于是他們做了一個明智決策，就是將蛋撻的銷售位置移到了颶風(fēng)物品銷售區(qū)域旁邊，看起來是為了方便用戶挑選，但是沒有想到蛋撻的銷量因此又提高了很多。
還有一個有趣的例子，1948年遼沈戰(zhàn)役期間，司令員林彪要求每天要進(jìn)行例常的“每日軍情匯報”，由值班參謀讀出下屬各個縱隊、師、團(tuán)用電臺報告的當(dāng)日戰(zhàn)況和繳獲情況。那幾乎是重復(fù)著千篇一律枯燥無味的數(shù)據(jù)：每支部隊殲敵多少、俘虜多少;繳獲的火炮、車輛多少，槍支、物資多少……有一天，參謀照例匯報當(dāng)日的戰(zhàn)況，林彪突然打斷他：“剛才念的在胡家窩棚那個戰(zhàn)斗的繳獲，你們聽到了嗎?”大家都很茫然，因為如此戰(zhàn)斗每天都有幾十起，不都是差不多一模一樣的枯燥數(shù)字嗎?林彪掃視一周，見無人回答，便接連問了三句：“為什么那里繳獲的短槍與長槍的比例比其它戰(zhàn)斗略高?”“為什么那里繳獲和擊毀的小車與大車的比例比其它戰(zhàn)斗略高?”“為什么在那里俘虜和擊斃的軍官與士兵的比例比其它戰(zhàn)斗略高?”林彪司令員大步走向掛滿軍用地圖的墻壁，指著地圖上的那個點(diǎn)說：“我猜想，不，我斷定!敵人的指揮所就在這里!”果然，部隊很快就抓住了敵方的指揮官廖耀湘，并取得這場重要戰(zhàn)役的勝利。
這些例子真實的反映在各行各業(yè)，探求數(shù)據(jù)價值取決于把握數(shù)據(jù)的人，關(guān)鍵是人的數(shù)據(jù)思維;與其說是大數(shù)據(jù)創(chuàng)造了價值，不如說是大數(shù)據(jù)思維觸發(fā)了新的價值增長。
現(xiàn)在和未來
我們先看看大數(shù)據(jù)在當(dāng)下有怎樣的杰出表現(xiàn)：
大數(shù)據(jù)幫助政府實現(xiàn)市場經(jīng)濟(jì)調(diào)控、公共衛(wèi)生安全防范、災(zāi)難預(yù)警、社會輿論監(jiān)督;
大數(shù)據(jù)幫助城市預(yù)防犯罪，實現(xiàn)智慧交通，提升緊急應(yīng)急能力;
大數(shù)據(jù)幫助醫(yī)療機(jī)構(gòu)建立患者的疾病風(fēng)險跟蹤機(jī)制，幫助醫(yī)藥企業(yè)提升藥品的臨床使用效果，幫助艾滋病研究機(jī)構(gòu)為患者提供定制的藥物;
大數(shù)據(jù)幫助航空公司節(jié)省運(yùn)營成本，幫助電信企業(yè)實現(xiàn)售后服務(wù)質(zhì)量提升，幫助保險企業(yè)識別欺詐騙保行為，幫助快遞公司監(jiān)測分析運(yùn)輸車輛的故障險情以提前預(yù)警維修，幫助電力公司有效識別預(yù)警即將發(fā)生故障的設(shè)備;
大數(shù)據(jù)幫助電商公司向用戶推薦商品和服務(wù)，幫助旅游網(wǎng)站為旅游者提供心儀的旅游路線，幫助二手市場的買賣雙方找到最合適的交易目標(biāo)，幫助用戶找到最合適的商品購買時期、商家和最優(yōu)惠價格;
大數(shù)據(jù)幫助企業(yè)提升營銷的針對性，降低物流和庫存的成本，減少投資的風(fēng)險，以及幫助企業(yè)提升廣告投放精準(zhǔn)度;
大數(shù)據(jù)幫助娛樂行業(yè)預(yù)測歌手，歌曲，電影，電視劇的受歡迎程度，并為投資者分析評估拍一部電影需要投入多少錢才最合適，否則就有可能收不回成本;
大數(shù)據(jù)幫助社交網(wǎng)站提供更準(zhǔn)確的好友推薦，為用戶提供更精準(zhǔn)的企業(yè)招聘信息，向用戶推薦可能喜歡的游戲以及適合購買的商品。
其實，這些還遠(yuǎn)遠(yuǎn)不夠，未來大數(shù)據(jù)的身影應(yīng)該無處不在，就算無法準(zhǔn)確預(yù)測大數(shù)據(jù)終會將人類社會帶往到哪種最終形態(tài)，但我相信只要發(fā)展腳步在繼續(xù)，因大數(shù)據(jù)而產(chǎn)生的變革浪潮將很快淹沒地球的每一個角落。
比如，Amazon的最終期望是：“最成功的書籍推薦應(yīng)該只有一本書，就是用戶要買的下一本書。”
Google也希望當(dāng)用戶在搜索時，最好的體驗是搜索結(jié)果只包含用戶所需要的內(nèi)容，而這并不需要用戶給予Google太多的提示。
而當(dāng)物聯(lián)網(wǎng)發(fā)展到達(dá)一定規(guī)模時，借助條形碼、二維碼、RFID等能夠唯一標(biāo)識產(chǎn)品，傳感器、可穿戴設(shè)備、智能感知、視頻采集、增強(qiáng)現(xiàn)實等技術(shù)可實現(xiàn)實時的信息采集和分析，這些數(shù)據(jù)能夠支撐智慧城市，智慧交通，智慧能源，智慧醫(yī)療，智慧環(huán)保的理念需要，這些都所謂的智慧將是大數(shù)據(jù)的采集數(shù)據(jù)來源和服務(wù)范圍。
未來的大數(shù)據(jù)除了將更好的解決社會問題，商業(yè)營銷問題，科學(xué)技術(shù)問題，還有一個可預(yù)見的趨勢是以人為本的大數(shù)據(jù)方針。人才是地球的主宰，大部分的數(shù)據(jù)都與人類有關(guān)，要通過大數(shù)據(jù)解決人的問題。
比如，建立個人的數(shù)據(jù)中心，將每個人的日常生活習(xí)慣，身體體征，社會網(wǎng)絡(luò)，知識能力，愛好性情，疾病嗜好，情緒波動……換言之就是記錄人從出生那一刻起的每一分每一秒，將除了思維外的一切都儲存下來，這些數(shù)據(jù)可以被充分的利用：
醫(yī)療機(jī)構(gòu)將實時的監(jiān)測用戶的身體健康狀況;
教育機(jī)構(gòu)更有針對的制定用戶喜歡的教育培訓(xùn)計劃;
服務(wù)行業(yè)為用戶提供即時健康的符合用戶生活習(xí)慣的食物和其它服務(wù);
社交網(wǎng)絡(luò)能為你提供合適的交友對象，并為志同道合的人群組織各種聚會活動;
政府能在用戶的心理健康出現(xiàn)問題時有效的干預(yù)，防范自殺，刑事案件的發(fā)生;
金融機(jī)構(gòu)能幫助用戶進(jìn)行有效的理財管理，為用戶的資金提供更有效的使用建議和規(guī)劃;
道路交通、汽車租賃及運(yùn)輸行業(yè)可以為用戶提供更合適的出行線路和路途服務(wù)安排;
……
當(dāng)然，上面的一切看起來都很美好，但是否是以犧牲了用戶的自由為前提呢?只能說當(dāng)新鮮事物帶來了革新的同時也同樣帶來了“病菌”。比如，在手機(jī)未普及前，大家喜歡聚在一起聊天，自從手機(jī)普及后特別是有了互聯(lián)網(wǎng)，大家不用聚在一起也可以隨時隨地的聊天，只是“病菌”滋生了另外一種情形，大家慢慢習(xí)慣了和手機(jī)共渡時光，人與人之間情感交流仿佛永遠(yuǎn)隔著一張“網(wǎng)”。
大數(shù)據(jù)隱私
你或許并不敏感，當(dāng)你在不同的網(wǎng)站上注冊了個人信息后，可能這些信息已經(jīng)被擴(kuò)散出去了，當(dāng)你莫名其妙的接到各種郵件，電話，短信的滋擾時，你不會想到自己的電話號碼，郵箱，生日，購買記錄，收入水平，家庭住址，親朋好友等私人信息早就被各種商業(yè)機(jī)構(gòu)非法存儲或賤賣給其它任何有需要的企業(yè)或個人了。
更可怕的是，這些信息你永遠(yuǎn)無法刪除，它們永遠(yuǎn)存在于互聯(lián)網(wǎng)的某些你不知道的角落。除非你更換掉自己的所有信息，但是這代價太大了。
用戶隱私問題一直是大數(shù)據(jù)應(yīng)用難以繞開的一個問題，如被央視曝光過的分眾無線、羅維鄧白氏以及網(wǎng)易郵箱都涉及侵犯用戶隱私。目前，中國并沒有專門的法律法規(guī)來界定用戶隱私，處理相關(guān)問題時多采用其他相關(guān)法規(guī)條例來解釋。但隨著民眾隱私意識的日益增強(qiáng)，合法合規(guī)地獲取數(shù)據(jù)、分析數(shù)據(jù)和應(yīng)用數(shù)據(jù)，是進(jìn)行大數(shù)據(jù)分析時必須遵循的原則。
說到隱私被侵犯，愛德華斯諾登應(yīng)該占據(jù)一席之地，這位前美國中央情報局(CIA)雇員一手引爆了美國“棱鏡計劃”(PRISM)的內(nèi)幕消息。“棱鏡”項目是一項由美國國家安全局(NSA)自2007年起開始實施的絕密電子監(jiān)聽計劃，年耗資近2000億美元，用于監(jiān)聽全美電話通話記錄，據(jù)稱還可以使情報人員通過“后門”進(jìn)入9家主要科技公司的服務(wù)器，包括微軟、雅虎、谷歌、Facebook、PalTalk、美國在線、Skype、YouTube、蘋果。這個事件引發(fā)了人們對政府使用大數(shù)據(jù)時對公民隱私侵犯的擔(dān)心。
再看看我們身邊，當(dāng)微博，微信，QQ空間這些社交平臺肆意的吞噬著數(shù)億用戶的各種信息時，你就不要指望你還有隱私權(quán)了，就算你在某個地方刪除了，但也許這些信息已經(jīng)被其他人轉(zhuǎn)載或保存了，更有可能已經(jīng)被百度或Google存為快照，早就提供給任意用戶搜索了。
因此在大數(shù)據(jù)的背景下，很多人都在積極的抵制無底線的數(shù)字化，這種大數(shù)據(jù)和個體之間的博弈還會一直繼續(xù)下去……
專家給予了我們一些如何有效保護(hù)大數(shù)據(jù)背景下隱私權(quán)的建議：1-減少信息的數(shù)字化;2-隱私權(quán)立法;3-數(shù)字隱私權(quán)基礎(chǔ)設(shè)施(類似DRM數(shù)字版權(quán)管理);4-人類改變認(rèn)知(接受忽略過去);5-創(chuàng)造良性的信息生態(tài);6-語境化。
但是這些都很難立即見效或者有實質(zhì)性的改善。
比如，現(xiàn)在有一種職業(yè)叫刪帖人，專門負(fù)責(zé)幫人到各大網(wǎng)站刪帖，刪除評論。其實這些人就是通過黑客技術(shù)侵入各大網(wǎng)站，破獲管理員的密碼然后進(jìn)行手工定向刪除。只不過他們保護(hù)的不是客戶的隱私，而大多是丑聞。還有一種職業(yè)叫人肉專家，他們負(fù)責(zé)從互聯(lián)網(wǎng)上找到一個與他們根本就無關(guān)系用戶的任意信息。這是很可怕的事情，也就是說，如果有人想找到你，只需要兩個條件：1-你上過網(wǎng)，留下過痕跡;2-你的親朋好友或僅僅是認(rèn)識你的人上過網(wǎng)，留下過你的痕跡。這兩個條件滿足其一，人肉專家就可以很輕松的找到你，可能還知道你現(xiàn)在正在某個餐廳和誰一起共進(jìn)晚餐。
當(dāng)很多互聯(lián)網(wǎng)企業(yè)意識到隱私對于用戶的重要性時，為了繼續(xù)得到用戶的信任，他們采取了很多辦法，比如google承諾僅保留用戶的搜索記錄9個月，瀏覽器廠商提供了無痕沖浪模式，社交網(wǎng)站拒絕公共搜索引擎的爬蟲進(jìn)入，并將提供出去的數(shù)據(jù)全部采取匿名方式處理等。
在這種復(fù)雜的環(huán)境里面，很多人依然沒有建立對于信息隱私的保護(hù)意識，讓自己一直處于被滋擾，被精心設(shè)計，被利用，被監(jiān)視的處境中。可是，我們能做的幾乎微乎其微，因為個人隱私數(shù)據(jù)已經(jīng)無法由我們自己掌控了，就像一首詩里說到的：“如果你現(xiàn)在繼續(xù)麻木，那就別指望這麻木能抵擋得住被”扒光”那一刻的驚恐和絕望……”
和大數(shù)據(jù)相關(guān)的技術(shù)
云技術(shù)
大數(shù)據(jù)常和云計算聯(lián)系到一起，因為實時的大型數(shù)據(jù)集分析需要分布式處理框架來向數(shù)十、數(shù)百或甚至數(shù)萬的電腦分配工作。可以說，云計算充當(dāng)了工業(yè)革命時期的發(fā)動機(jī)的角色，而大數(shù)據(jù)則是電。
云計算思想的起源是麥卡錫在上世紀(jì)60年代提出的：把計算能力作為一種像水和電一樣的公用事業(yè)提供給用戶。
如今，在Google、Amazon、Facebook等一批互聯(lián)網(wǎng)企業(yè)引領(lǐng)下，一種行之有效的模式出現(xiàn)了：云計算提供基礎(chǔ)架構(gòu)平臺，大數(shù)據(jù)應(yīng)用運(yùn)行在這個平臺上。
業(yè)內(nèi)是這么形容兩者的關(guān)系：沒有大數(shù)據(jù)的信息積淀，則云計算的計算能力再強(qiáng)大，也難以找到用武之地;沒有云計算的處理能力，則大數(shù)據(jù)的信息積淀再豐富，也終究只是鏡花水月。
那么大數(shù)據(jù)到底需要哪些云計算技術(shù)呢?
這里暫且列舉一些，比如虛擬化技術(shù)，分布式處理技術(shù)，海量數(shù)據(jù)的存儲和管理技術(shù)，NoSQL、實時流數(shù)據(jù)處理、智能分析技術(shù)(類似模式識別以及自然語言理解)等。
云計算和大數(shù)據(jù)之間的關(guān)系可以用下面的一張圖來說明，兩者之間結(jié)合后會產(chǎn)生如下效應(yīng)：可以提供更多基于海量業(yè)務(wù)數(shù)據(jù)的創(chuàng)新型服務(wù);通過云計算技術(shù)的不斷發(fā)展降低大數(shù)據(jù)業(yè)務(wù)的創(chuàng)新成本。
如果將云計算與大數(shù)據(jù)進(jìn)行一些比較，最明顯的區(qū)分在兩個方面：
第一，在概念上兩者有所不同，云計算改變了IT，而大數(shù)據(jù)則改變了業(yè)務(wù)。然而大數(shù)據(jù)必須有云作為基礎(chǔ)架構(gòu)，才能得以順暢運(yùn)營。
第二，大數(shù)據(jù)和云計算的目標(biāo)受眾不同，云計算是CIO等關(guān)心的技術(shù)層，是一個進(jìn)階的IT解決方案。而大數(shù)據(jù)是CEO關(guān)注的、是業(yè)務(wù)層的產(chǎn)品，而大數(shù)據(jù)的決策者是業(yè)務(wù)層。
分布式處理技術(shù)
分布式處理系統(tǒng)可以將不同地點(diǎn)的或具有不同功能的或擁有不同數(shù)據(jù)的多臺計算機(jī)用通信網(wǎng)絡(luò)連接起來，在控制系統(tǒng)的統(tǒng)一管理控制下，協(xié)調(diào)地完成信息處理任務(wù)—這就是分布式處理系統(tǒng)的定義。
以Hadoop(Yahoo)為例進(jìn)行說明，Hadoop是一個實現(xiàn)了MapReduce模式的能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架，是以一種可靠、高效、可伸縮的方式進(jìn)行處理的。
而MapReduce是Google提出的一種云計算的核心計算模式，是一種分布式運(yùn)算技術(shù)，也是簡化的分布式編程模式，MapReduce模式的主要思想是將自動分割要執(zhí)行的問題(例如程序)拆解成map(映射)和reduce(化簡)的方式，在數(shù)據(jù)被分割后通過Map 函數(shù)的程序?qū)?shù)據(jù)映射成不同的區(qū)塊，分配給計算機(jī)機(jī)群處理達(dá)到分布式運(yùn)算的效果，在通過Reduce 函數(shù)的程序?qū)⒔Y(jié)果匯整，從而輸出開發(fā)者需要的結(jié)果。
再來看看Hadoop的特性，第一，它是可靠的，因為它假設(shè)計算元素和存儲會失敗，因此它維護(hù)多個工作數(shù)據(jù)副本，確保能夠針對失敗的節(jié)點(diǎn)重新分布處理。其次，Hadoop 是高效的，因為它以并行的方式工作，通過并行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數(shù)據(jù)。此外，Hadoop 依賴于社區(qū)服務(wù)器，因此它的成本比較低，任何人都可以使用。
你也可以這么理解Hadoop的構(gòu)成，Hadoop=HDFS(文件系統(tǒng)，數(shù)據(jù)存儲技術(shù)相關(guān)) HBase(數(shù)據(jù)庫) MapReduce(數(shù)據(jù)處理) ……Others
Hadoop用到的一些技術(shù)有：
HDFS: Hadoop分布式文件系統(tǒng)(Distributed File System) - HDFS (HadoopDistributed File System)
MapReduce：并行計算框架
HBase: 類似Google BigTable的分布式NoSQL列數(shù)據(jù)庫。
Hive：數(shù)據(jù)倉庫工具，由Facebook貢獻(xiàn)。
Zookeeper：分布式鎖設(shè)施，提供類似Google Chubby的功能，由Facebook貢獻(xiàn)。
Avro：新的數(shù)據(jù)序列化格式與傳輸工具，將逐步取代Hadoop原有的IPC機(jī)制。
Pig:大數(shù)據(jù)分析平臺，為用戶提供多種接口。
Ambari：Hadoop管理工具，可以快捷的監(jiān)控、部署、管理集群。
Sqoop：用于在Hadoop與傳統(tǒng)的數(shù)據(jù)庫間進(jìn)行數(shù)據(jù)的傳遞。
說了這么多，舉個實際的例子，雖然這個例子有些陳舊，但是淘寶的海量數(shù)據(jù)技術(shù)架構(gòu)還是有助于我們理解對于大數(shù)據(jù)的運(yùn)作處理機(jī)制:
如上圖所示，淘寶的海量數(shù)據(jù)產(chǎn)品技術(shù)架構(gòu)分為五個層次，從上至下來看它們分別是：數(shù)據(jù)源，計算層，存儲層，查詢層和產(chǎn)品層。
數(shù)據(jù)來源層。存放著淘寶各店的交易數(shù)據(jù)。在數(shù)據(jù)源層產(chǎn)生的數(shù)據(jù)，通過DataX，DbSync和Timetunel準(zhǔn)實時的傳輸?shù)较旅娴?點(diǎn)所述的“云梯”。
計算層。在這個計算層內(nèi)，淘寶采用的是Hadoop集群，這個集群，我們暫且稱之為云梯，是計算層的主要組成部分。在云梯上，系統(tǒng)每天會對數(shù)據(jù)產(chǎn)品進(jìn)行不同的MapReduce計算。
存儲層。在這一層，淘寶采用了兩個東西，一個使MyFox，一個是Prom。MyFox是基于MySQL的分布式關(guān)系型數(shù)據(jù)庫的集群，Prom是基于Hadoop Hbase技術(shù)的一個NoSQL的存儲集群。
查詢層。在這一層中，Glider是以HTTP協(xié)議對外提供restful方式的接口。數(shù)據(jù)產(chǎn)品通過一個唯一的URL來獲取到它想要的數(shù)據(jù)。同時，數(shù)據(jù)查詢即是通過MyFox來查詢的。
最后一層是產(chǎn)品層，這個就不用解釋了。
存儲技術(shù)
大數(shù)據(jù)可以抽象的分為大數(shù)據(jù)存儲和大數(shù)據(jù)分析，這兩者的關(guān)系是：大數(shù)據(jù)存儲的目的是支撐大數(shù)據(jù)分析。到目前為止，還是兩種截然不同的計算機(jī)技術(shù)領(lǐng)域：大數(shù)據(jù)存儲致力于研發(fā)可以擴(kuò)展至PB甚至EB級別的數(shù)據(jù)存儲平臺;大數(shù)據(jù)分析關(guān)注在最短時間內(nèi)處理大量不同類型的數(shù)據(jù)集。
提到存儲，有一個著名的摩爾定律相信大家都聽過：18個月集成電路的復(fù)雜性就增加一倍。所以，存儲器的成本大約每18-24個月就下降一半。成本的不斷下降也造就了大數(shù)據(jù)的可存儲性。
比如，Google大約管理著超過50萬臺服務(wù)器和100萬塊硬盤，而且Google還在不斷的擴(kuò)大計算能力和存儲能力，其中很多的擴(kuò)展都是基于在廉價服務(wù)器和普通存儲硬盤的基礎(chǔ)上進(jìn)行的，這大大降低了其服務(wù)成本，因此可以將更多的資金投入到技術(shù)的研發(fā)當(dāng)中。
以Amazon舉例，Amazon S3 是一種面向 Internet 的存儲服務(wù)。該服務(wù)旨在讓開發(fā)人員能更輕松的進(jìn)行網(wǎng)絡(luò)規(guī)模計算。Amazon S3 提供一個簡明的 Web 服務(wù)界面，用戶可通過它隨時在 Web 上的任何位置存儲和檢索的任意大小的數(shù)據(jù)。此服務(wù)讓所有開發(fā)人員都能訪問同一個具備高擴(kuò)展性、可靠性、安全性和快速價廉的基礎(chǔ)設(shè)施，Amazon 用它來運(yùn)行其全球的網(wǎng)站網(wǎng)絡(luò)。再看看S3的設(shè)計指標(biāo)：在特定年度內(nèi)為數(shù)據(jù)元提供 99.999999999% 的耐久性和 99.99% 的可用性，并能夠承受兩個設(shè)施中的數(shù)據(jù)同時丟失。
S3很成功也確實卓有成效，S3云的存儲對象已達(dá)到萬億級別，而且性能表現(xiàn)相當(dāng)良好。S3云已經(jīng)擁萬億跨地域存儲對象，同時AWS的對象執(zhí)行請求也達(dá)到百萬的峰值數(shù)量。目前全球范圍內(nèi)已經(jīng)有數(shù)以十萬計的企業(yè)在通過AWS運(yùn)行自己的全部或者部分日常業(yè)務(wù)。這些企業(yè)用戶遍布190多個國家，幾乎世界上的每個角落都有Amazon用戶的身影。
感知技術(shù)
大數(shù)據(jù)的采集和感知技術(shù)的發(fā)展是緊密聯(lián)系的。以傳感器技術(shù)，指紋識別技術(shù)，RFID技術(shù)，坐標(biāo)定位技術(shù)等為基礎(chǔ)的感知能力提升同樣是物聯(lián)網(wǎng)發(fā)展的基石。全世界的工業(yè)設(shè)備、汽車、電表上有著無數(shù)的數(shù)碼傳感器，隨時測量和傳遞著有關(guān)位置、運(yùn)動、震動、溫度、濕度乃至空氣中化學(xué)物質(zhì)的變化，都會產(chǎn)生海量的數(shù)據(jù)信息。
而隨著智能手機(jī)的普及，感知技術(shù)可謂迎來了發(fā)展的高峰期，除了地理位置信息被廣泛的應(yīng)用外，一些新的感知手段也開始登上舞臺，比如，最新的”iPhone 5S”在home鍵內(nèi)嵌指紋傳感器，新型手機(jī)可通過呼氣直接檢測燃燒脂肪量，用于手機(jī)的嗅覺傳感器面世可以監(jiān)測從空氣污染到危險的化學(xué)藥品，微軟正在研發(fā)可感知用戶當(dāng)前心情智能手機(jī)技術(shù)，谷歌眼鏡InSight新技術(shù)可通過衣著進(jìn)行人物識別。
除此之外，還有很多與感知相關(guān)的技術(shù)革新讓我們耳目一新：比如，牙齒傳感器實時監(jiān)控口腔活動及飲食狀況，嬰兒穿戴設(shè)備可用大數(shù)據(jù)去養(yǎng)育寶寶，Intel正研發(fā)3D筆記本攝像頭可追蹤眼球讀懂情緒，日本公司開發(fā)新型可監(jiān)控用戶心率的紡織材料，業(yè)界正在嘗試將生物測定技術(shù)引入支付領(lǐng)域等。
其實，這些感知被逐漸捕獲的過程就是就世界被數(shù)據(jù)化的過程，一旦世界被完全數(shù)據(jù)化了，那么世界的本質(zhì)也就是信息了。
就像一句名言所說，“人類以前延續(xù)的是文明，現(xiàn)在傳承的是信息。”
大數(shù)據(jù)的實踐
互聯(lián)網(wǎng)的大數(shù)據(jù)
互聯(lián)網(wǎng)上的數(shù)據(jù)每年增長50%，每兩年便將翻一番，而目前世界上90%以上的數(shù)據(jù)是最近幾年才產(chǎn)生的。據(jù)IDC預(yù)測，到2020年全球?qū)⒖偣矒碛?5ZB的數(shù)據(jù)量。互聯(lián)網(wǎng)是大數(shù)據(jù)發(fā)展的前哨陣地，隨著WEB2.0時代的發(fā)展，人們似乎都習(xí)慣了將自己的生活通過網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)化，方便分享以及記錄并回憶。
互聯(lián)網(wǎng)上的大數(shù)據(jù)很難清晰的界定分類界限，我們先看看BAT的大數(shù)據(jù)：
百度擁有兩種類型的大數(shù)據(jù)：用戶搜索表征的需求數(shù)據(jù);爬蟲和阿拉丁獲取的公共web數(shù)據(jù)。搜索巨頭百度圍繞數(shù)據(jù)而生。它對網(wǎng)頁數(shù)據(jù)的爬取、網(wǎng)頁內(nèi)容的組織和解析，通過語義分析對搜索需求的精準(zhǔn)理解進(jìn)而從海量數(shù)據(jù)中找準(zhǔn)結(jié)果，以及精準(zhǔn)的搜索引擎關(guān)鍵字廣告，實質(zhì)上就是一個數(shù)據(jù)的獲取、組織、分析和挖掘的過程。搜索引擎在大數(shù)據(jù)時代面臨的挑戰(zhàn)有：更多的暗網(wǎng)數(shù)據(jù);更多的WEB化但是沒有結(jié)構(gòu)化的數(shù)據(jù);更多的WEB化、結(jié)構(gòu)化但是封閉的數(shù)據(jù)。
阿里巴巴擁有交易數(shù)據(jù)和信用數(shù)據(jù)。這兩種數(shù)據(jù)更容易變現(xiàn)，挖掘出商業(yè)價值。除此之外阿里巴巴還通過投資等方式掌握了部分社交數(shù)據(jù)、移動數(shù)據(jù)。如微博和高德。
騰訊擁有用戶關(guān)系數(shù)據(jù)和基于此產(chǎn)生的社交數(shù)據(jù)。這些數(shù)據(jù)可以分析人們的生活和行為,從里面挖掘出政治、社會、文化、商業(yè)、健康等領(lǐng)域的信息，甚至預(yù)測未來。
在信息技術(shù)更為發(fā)達(dá)的美國，除了行業(yè)知名的類似Google，F(xiàn)acebook外，已經(jīng)涌現(xiàn)了很多大數(shù)據(jù)類型的公司，它們專門經(jīng)營數(shù)據(jù)產(chǎn)品，比如：
Metamarkets：這家公司對Twitter、支付、簽到和一些與互聯(lián)網(wǎng)相關(guān)的問題進(jìn)行了分析，為客戶提供了很好的數(shù)據(jù)分析支持。
Tableau：他們的精力主要集中于將海量數(shù)據(jù)以可視化的方式展現(xiàn)出來。Tableau為數(shù)字媒體提供了一個新的展示數(shù)據(jù)的方式。他們提供了一個免費(fèi)工具，任何人在沒有編程知識背景的情況下都能制造出數(shù)據(jù)專用圖表。這個軟件還能對數(shù)據(jù)進(jìn)行分析，并提供有價值的建議。
ParAccel：他們向美國執(zhí)法機(jī)構(gòu)提供了數(shù)據(jù)分析，比如對15000個有犯罪前科的人進(jìn)行跟蹤，從而向執(zhí)法機(jī)構(gòu)提供了參考性較高的犯罪預(yù)測。他們是犯罪的預(yù)言者。
QlikTech：QlikTech旗下的Qlikview是一個商業(yè)智能領(lǐng)域的自主服務(wù)工具，能夠應(yīng)用于科學(xué)研究和藝術(shù)等領(lǐng)域。為了幫助開發(fā)者對這些數(shù)據(jù)進(jìn)行分析，QlikTech提供了對原始數(shù)據(jù)進(jìn)行可視化處理等功能的工具。
GoodData：GoodData希望幫助客戶從數(shù)據(jù)中挖掘財富。這家創(chuàng)業(yè)公司主要面向商業(yè)用戶和IT企業(yè)高管，提供數(shù)據(jù)存儲、性能報告、數(shù)據(jù)分析等工具。
TellApart：TellApart和電商公司進(jìn)行合作，他們會根據(jù)用戶的瀏覽行為等數(shù)據(jù)進(jìn)行分析，通過鎖定潛在買家方式提高電商企業(yè)的收入。
DataSift：DataSift主要收集并分析社交網(wǎng)絡(luò)媒體上的數(shù)據(jù)，并幫助品牌公司掌握突發(fā)新聞的輿論點(diǎn)，并制定有針對性的營銷方案。這家公司還和Twitter有合作協(xié)議，使得自己變成了行業(yè)中為數(shù)不多可以分析早期tweet的創(chuàng)業(yè)公司。
Datahero：公司的目標(biāo)是將復(fù)雜的數(shù)據(jù)變得更加簡單明了，方便普通人去理解和想象。
舉了很多例子，這里簡要?dú)w納一下，在互聯(lián)網(wǎng)大數(shù)據(jù)的典型代表性包括：
1-用戶行為數(shù)據(jù)(精準(zhǔn)廣告投放、內(nèi)容推薦、行為習(xí)慣和喜好分析、產(chǎn)品優(yōu)化等)
2-用戶消費(fèi)數(shù)據(jù)(精準(zhǔn)營銷、信用記錄分析、活動促銷、理財?shù)?
3-用戶地理位置數(shù)據(jù)(O2O推廣，商家推薦，交友推薦等)
4-互聯(lián)網(wǎng)金融數(shù)據(jù)(P2P，小額貸款，支付，信用，供應(yīng)鏈金融等)
5-用戶社交等UGC數(shù)據(jù)(趨勢分析、流行元素分析、受歡迎程度分析、輿論監(jiān)控分析、社會問題分析等)
京公網(wǎng)安備 11010502049343號