大数据概论
-
大数据一般指无法在一定时间范围内使用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察观察力和流程优化能力的海量、高增长和多样化的信息资产。
主要为了解决海量数据的存储和海量数据的分析计算问题
-
特点
1.大量:截至目前有些企业的数据量已经为EB量级了
2.高速:这是大数据区别于传统数据挖掘的最显著特征,根据IDC报告显示到2020年全球数据使用量将达到35.2ZB。在如此庞大的数据面前,处理效率就是企业的生命
3.多样:类型的多样性让数据被分为结构化数据和非结构化数据。相对于传统的数据库/文本为主的结构化数据,非结构化数据越来越多,包括网络音频,视频,图片,地理位置信息等,这些多样的类型数据对数据的处理能力提出了更高的要求。
4.低价值密度:价值密度的高低与数据总量的大小成反比。比如,在一天的监控视频中,有效的信息可能只有一分钟,如何快速对有价值数据进行“有效提炼”是当前需要解决的难题。
3.大数据能做什么?
- 物流仓储:大数据分析系统主力商家精细化运营、提升销量、节约成本。
- 零售:通过分析用户消费习惯,为用户购买提供方便,从而提升商品销量。如子尿布+啤酒案例。
- 旅游:深度结合大数据能力与旅游业行业需求,共建旅游产业智慧管理、智慧服务、智慧营销的未来。
- 商品广告推荐:给用户推荐可能喜欢的商品。
- 医疗:通过大数据对病例进行分析,为解决方案提供数据支撑
- 保险:海量数据挖掘及风险预测,助力保险行业精准营销。
- 金融:多维度体现用户特征,帮助金融机构推荐优质客户,防范欺诈风险
- 房产:大数据全面助力房地产行业,打造精准营销,选出更合适的地。
- 教育:通过海量数据分析,为学生量身打造课程体系。
- 人工智能
Hadoop是什么
Hadoop是一个有Apache基金会所开发的分布式系统基础架构。
主要解决,海量数据的存储和海量数据的分析计算问题。
从广义上来说,Hadoop通常是指一个更广泛的概念—Hadoop生态圈
Hadoop发展历史
Lucene框架是Doug Cutting开创的开源软件,用Java代码书写,实现与Google类似的全文搜索功能,它提供了全文检索引擎的架构,包括完整的查询引擎和索引引擎。
2001年年底Lucene成为Apache基金会的一个子项目。
对于海量数据的场景,Lucene面对与Google同样的困难,存储数据困难,检索速度慢。
学习和模仿Google解决这些这些问题的办法:微型版Nutch。
可以说是Google是Hadoop的思想之源(Google在大数据方面的三篇论文)
GFS—>HDFS
Map-Reduce—>MR
BigTable—>HBase
2003-2004年 , Google公开了部分思想细节,Doug Cutting利用2年业余时间实现了DFS和MapReduce机制,使Nutch性能飙升。
2005年Hadoop作为Lucene的子项目Nutch的一部分正式引入Apache基金会。
2006年3月份,Map-Reduce和Nutch Distributed File System(NDFS)分别被纳入到Hadoop项目,Hadoop就此正式诞生,标志着大数据时代来临。
Hadoop名字来源于Doug Cutting儿子的玩具大象。
Hadoop的优势
高可靠性:Hadoop底层维和多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据的丢失。
高扩展性:在集群间分配任务数据,可方便的扩展数以千计的节点。
高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度。
高容错性:能够自动将失败的任务重新分配。