第一章 大数据概论

1、大数据概念

大数据（Big Data）：指无法在一定时间范围内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、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。即，大数据主要解决：海量数据的采集、存储和分析计算问题。

常见数据存储单位（由小到大）：

• bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB；
• 1Byte = 8bit 1K = 1024Byte 1MB = 1024K 1G = 1024M 1T = 1024G 1P = 1024T

2、大数据4V特点

1. Volume（大量）

   截至目前，人类生产的所有印刷材料的数据量是200PB，而历史上全人类总共说过的话的数据量大约是5EB。当前，典型个人计算机硬盘的容量为TB量级，而一些大企业的数据量已经接近EB量级。

2. Velocity（高速）

   这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告，预计到2025年，全球数据使用量将达到163ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。

3. Variety（多样）

   这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以数据库/文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。

   关系数据库用于结构化数据，大多数其他类型的应用程序用于非结构化数据。

   ▲结构化数据，可以从名称中看出，是高度组织和整齐格式化的数据。它是可以放入表格和电子表格中的数据类型，计算机可以轻松地搜索它。在项目中，保存和管理这些的数据一般为关系数据库，当使用结构化查询语言或SQL时，计算机程序很容易搜索这些术语。结构化数据具有的明确的关系使得这些数据运用起来十分方便，不过在商业上的可挖掘价值方面就比较差。

   典型的结构化数据包括：信用卡号码、日期、财务金额、电话号码、地址、产品名称等。

   ▲非结构化数据，本质上是结构化数据之外的一切数据。存储在非关系数据库中，并使用NoSQL进行查询。它可能是文本的或非文本的，也可能是人为的或机器生成的。简单的说，非结构化数据就是字段可变的的数据。
   

   相对于结构化数据（即行数据，存储在数据库里，可以用二维表结构来逻辑表达实现的数据）而言，不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。-----吴恩达

4. Value（低价值密度）

   价值密度的高低与数据总量的大小成反比。，如何快速对有价值数据“提纯”成为目前大数据背景下待解决的难题。

3、 大数据应用场景

1. 热门视频的推荐（推荐的都是你喜欢的类型）
2. 电商商品的推荐
3. 线下超市商品的摆放（尿不湿和啤酒）
4. 物流仓储商品类型数量的存放
5. 保险金融房产等商业的精准营销
6. 人工智能+5G+物联网+虚拟现实

感谢yyds尚硅谷