关于结构化，半结构化，非结构化数据的理解

记得在课上，老师说，结构化数据就是我们关系数据库里的表，剩下的都是半结构化和非结构化数据，好比XML文档就是半结构化数据，WORD文档就是非结构化数据，大数据就是半结构化和非结构化数据。心中一直有一个疑问？难道大数据不应该包含结构化数据吗？在学习数据库这门课时，就对这几个概念有所混淆，所幸今天在书中发现了比较清晰的解释，记录下来，方便以后参考。

1.结构化数据
定义：业界指关系模型数据，即以关系数据库表形式管理的数据

简析：虽然专业角度上看，结构化就是关系模型的说法并不准确，但针对目前业内现状，还是定义为关系模型最为妥善，因为它准确的代表了我们传统上最熟悉的企业业务数据。

2.半结构化数据
定义：非关系模型的、有基本固定结构模式的数据，例如日志文件、XML文档、JSON文档、Email等。

3.非结构化数据
定义：没有固定模式的数据，如WORD、PDF、PPT、EXL，各种格式的图片、视频等。

简析：区分半结构化与非结构化的意义在于，对两者的处理方法是不同的，非结构化数据大多采用内容管理方法，而半结构化数据基本没有有效的管理方法。

总结
（1）结构化、半结构化、非结构化其实是按照数据格式分类。

（2）严格讲，结构化与半结构化数据都是有基本固定结构模式的数据

（3）半结构与非结构化数据与目前流行的大数据之间只是有领域重叠的关系，本质讲两者并无必然联系。

（4）业界有将大数据认同为半结构/非结构化数据，是因为大数据技术最初是在半结构化数据领域发挥作用，其本质是将数据处理技术与数据格式混淆，是不正确的。

 

 

参考文献：

何小朝. 纵横大数据[M]. 电子工业出版社, 2014.