一、引论:
1. 大数据分析流程
分析流程:预处理->特征提取与选择->机器学习->预测结果可视化
①预处理:数据获取,数据清理,...
②机器学习
2.大数据的特征
大数据的特征:数据量大,数据类型多,处理速度快,价值密度低。
二:Hadoop概述:
1.Hadoop产生的背景:
(1)数据量增长与类型多样化引起的问题。传统软件无法在容忍的时间内完成数据的存储,处理与分析。
数据主要分为三大类型:结构化数据(aq:二维表),半结构化数据(aq:xml,html...),非结构化数据(aq:音频,图片)。
(2)存储介质的问题。处理数据的速度虽然很快,但是数据访问还比较缓慢。
磁盘性能虽有所提高,但是磁盘性能的提高远不能和容量的提高保持一致。
(3)传统分布式计算的问题。存在数据处理瓶颈。