大数据，数据分析场景分析。

工作和学习中遇到很多问题，其实都蛮有代表性的。先记录下，然后找个愉快的日子，都补充完整了。

大数据中数据分析中经常会因为不同的场景产生复杂的数据问题。

问题1.比如目前有数据库服务器的性能已经满足业务需求，但对大数据处理超出了内存的限制，该怎么办？

问题2.来计算水流，图像问题数据量很大，运算量很大，该怎么办？

问题3.等等

目前用的比较成熟的思路。

1.从大数据抽样

2.把大数据分解

文件分解，JULY的博客里面介绍过了。当然这是在没有分布式前主要采用的方法。

Mahout，分布运算方案或其他基于数据库的分布式处理。

3.精度下降

4.高性能运算GPU

本人看好的计算机未来的两个方向，大数据和高性能运算。

GPU无代价的线程开销方式，在高性能运算中占据未来主流。

目前云已经能够解决大数据问题，但是高性能运算怎么来解决？目前只能通过OPENCL来实现。

4.算法解：群蚁、遗传等

思路：人每天会接触很多很多的数据，为什么有些场景我们记住了，有些没有呢？

是不是可以增加一些信息素，来记录特定数据。这样在遍历的时候能够减少迭代。