提到大數(shù)據(jù)，大多數(shù)人想到的是海量、NoSQL、非結(jié)構(gòu)化、Hadoop等名詞，但是這些真的能解釋大數(shù)據(jù)嗎？
數(shù)字?jǐn)?shù)據(jù)的擴(kuò)展已經(jīng)進(jìn)行了十多年了，對于那些稍微對此有所了解的人們來說，他們都明白大數(shù)據(jù)絕不是僅僅只涉及到谷歌、易趣網(wǎng)或亞馬遜這樣規(guī)模的數(shù)據(jù)集。任何規(guī)模的企業(yè)都有機(jī)會(huì)從大數(shù)據(jù)集、大數(shù)據(jù)的融合中獲得優(yōu)勢，并由此構(gòu)建其未來業(yè)務(wù)分析的基礎(chǔ)。結(jié)合當(dāng)前的這些數(shù)據(jù)，將會(huì)給您的企業(yè)帶來無與倫比的機(jī)會(huì)。
然而，盡管大數(shù)據(jù)正在被廣泛的討論，目前看來，其仍然是一個(gè)很大的謎一樣的神話。事實(shí)上，圍繞大數(shù)據(jù)的誤解似乎已經(jīng)達(dá)到了神話般的境界。如下便是五大神話。
1、大數(shù)據(jù)僅僅是海量的數(shù)據(jù)量
容量僅僅是界定大數(shù)據(jù)定義的關(guān)鍵要素之一，而對于大數(shù)據(jù)的定義至少有三個(gè)方面的重要要素。其他兩方面分別是種類和傳輸速度。與后兩者相結(jié)合，便是Gartner調(diào)研公司的道格?蘭尼最初在2001年的調(diào)研報(bào)告中給出的關(guān)于大數(shù)據(jù)的概念。
一般來說，專家們普遍認(rèn)為PB級的數(shù)據(jù)為大數(shù)據(jù)的起點(diǎn),盡管這一指標(biāo)仍然是一個(gè)變化中的目標(biāo)。因此，雖然容量這一因素是非常重要的，而接下來的另外兩個(gè)衡量指標(biāo)也不容忽視。
種類是指許多不同的數(shù)據(jù)和文件類型，對于管理和更深入的分析數(shù)據(jù)是至關(guān)重要的。但不適合傳統(tǒng)的關(guān)系數(shù)據(jù)庫。這方面的例子包括各種聲音和電影文件、圖像、文檔、地理定位數(shù)據(jù)、網(wǎng)絡(luò)日志和文本字符串。
速度是有關(guān)數(shù)據(jù)的變化率，以及其必須如何快速的被使用，以創(chuàng)造真正的價(jià)值。傳統(tǒng)技術(shù)，尤其不適合用于高速數(shù)據(jù)儲(chǔ)存和使用。因此，采用新的方法是必要的。如果有問題的數(shù)據(jù)創(chuàng)建和聚合速度非常快，就必須使用迅速的方式來揭示其相關(guān)的模式和問題。你發(fā)現(xiàn)問題的速度越快，就越有利于您從你大數(shù)據(jù)分析中獲得更多的機(jī)會(huì)。
2、大數(shù)據(jù)指的是Hadoop
Hadoop是Apache為大數(shù)據(jù)工作的開源軟件框架。其是來自于Google的技術(shù)加上雅虎的理念和其他，并付諸實(shí)踐得出的。但是，大數(shù)據(jù)是如此的多樣，和復(fù)雜，其絕對不存在一套放之四海而皆準(zhǔn)的萬能的解決辦法。雖然Hadoop已經(jīng)毫無疑問的獲得了相當(dāng)大的知名度，但其也僅僅只是適合大數(shù)據(jù)存儲(chǔ)和管理的三種技術(shù)的其中之一。其他兩個(gè)種技術(shù)上NoSQL和大規(guī)模并行處理（MPP）數(shù)據(jù)存儲(chǔ)。MPP數(shù)據(jù)存儲(chǔ)的例子包括EMC的Greenplum、IBM公司的Netezza和惠普的Vertica。
此外，Hadoop是一個(gè)軟件框架，這意味著它包括若干專門設(shè)計(jì)的組件，是專門設(shè)計(jì)來解決大規(guī)模分布式數(shù)據(jù)存儲(chǔ)，分析和檢索任務(wù)的。不是所有的Hadoop組件都是必要的，對于一個(gè)大的數(shù)據(jù)解決方案，其中一些組件可取代其他技術(shù)，更好地配合用戶的需求。一個(gè)例子是MapR的Hadoop，其中包括NFS作為HDFS的替代，并提供了一個(gè)完整的隨機(jī)存取，讀/寫文件系統(tǒng)。
3、大數(shù)據(jù)意味著非結(jié)構(gòu)化數(shù)據(jù)
“非結(jié)構(gòu)化”這一術(shù)語是不準(zhǔn)確的，其沒有考慮到許多通常與大數(shù)據(jù)類型相關(guān)的不同的和微妙的結(jié)構(gòu)。此外，大數(shù)據(jù)很可能在同一數(shù)據(jù)集有不同的數(shù)據(jù)類型，不包含相同的結(jié)構(gòu)。
因此，大數(shù)據(jù)更好可能是被稱為“多層結(jié)構(gòu)”，因?yàn)樗梢园谋咀址⑺蓄愋偷奈募⒁纛l和視頻文件、元數(shù)據(jù)、網(wǎng)頁、電子郵件、社交媒體供稿、表格數(shù)據(jù)，等等。這些不同的數(shù)據(jù)類型一致的特點(diǎn)是不知道其數(shù)據(jù)架構(gòu)或不知道在這些數(shù)據(jù)被捕獲和存儲(chǔ)時(shí)如何定義。相反，一個(gè)數(shù)據(jù)模型經(jīng)常在數(shù)據(jù)被使用時(shí)進(jìn)行應(yīng)用。
4、大數(shù)據(jù)只是社會(huì)媒體內(nèi)容和情感分析
簡而言之，如果您的企業(yè)需要廣泛地分析網(wǎng)絡(luò)流量、IT系統(tǒng)日志、客戶的情緒，或任何其他類型的每一天所創(chuàng)建的數(shù)字紀(jì)錄冊上的陰影，大數(shù)據(jù)提供了一個(gè)辦法做到這一點(diǎn)。即使大數(shù)據(jù)的早期開拓者，已成為最大的基于網(wǎng)絡(luò)的社會(huì)化媒體公司：谷歌、雅虎、Facebook，他們的服務(wù)所產(chǎn)生的數(shù)據(jù)，需要一種全新的解決方案，而不是分析社會(huì)媒體內(nèi)容和訪客情感分析。
現(xiàn)在，由于迅速增長的計(jì)算機(jī)電源（通常是基于云計(jì)算的）、開源軟件（例如，Apache的Hadoop發(fā)行版），以及如果利用得當(dāng)現(xiàn)代化對于數(shù)據(jù)可以產(chǎn)生經(jīng)濟(jì)價(jià)值的沖擊，大數(shù)據(jù)源源不斷地產(chǎn)生新的用途和應(yīng)用。大數(shù)據(jù)帶來了很多讓人欣喜的成果，其中包含了一些令人深思的用途，這在今年年初曾經(jīng)在“福布斯”上的相關(guān)文章中報(bào)道過。
5、NoSQL意味著非結(jié)構(gòu)化查詢語言
NoSQL意味著“不僅僅”是SQL，因?yàn)檫@些類型的數(shù)據(jù)存儲(chǔ)提供特定領(lǐng)域的訪問和查詢技術(shù)，除了SQL或類似SQL接口。NoSQL這一類的技術(shù)，包括關(guān)鍵值存儲(chǔ)、面向文檔的數(shù)據(jù)庫、圖形數(shù)據(jù)庫、大表結(jié)構(gòu)和緩存數(shù)據(jù)存儲(chǔ)。具體的本地存儲(chǔ)的數(shù)據(jù)訪問方法提供了一個(gè)豐富的、低延時(shí)的方法，通常是通過專有接口。SQL訪問具有熟悉許多工具并與之兼容的優(yōu)勢。雖然這通常是在一些底層系統(tǒng)解釋查詢本地的“語言”的延遲費(fèi)用。
京公網(wǎng)安備 11010502049343號