大数据_03【大数据基础知识】

01 大数据概述

数据来源: 了解大数据到来之前，传统数据的通用处理模式1、企业内部管理系统 ,如员工考勤（打卡）记录。 2、客户管理系统（CRM）

数据特征： 1、数据增长速度比较缓慢，种类单一。 2、数据量为GB级别，数据量较小。

数据处理方式： 1、数据保存在数据库中。处理时以处理器为中心，应用程序到数据库中检索数据再进行计算（移 动数据到程序端）

遇到的问题： 1、数据量越来越大、数据处理的速度越来越慢。 2、数据种类越来越多，出现很多数据库无法存储的数据，如音频、照片、视频等。

02 什么是大数据？（Big Data）

是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。

是指一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

数据的存储单位 最小的基本单位是bit 1 Byte =8 bit 1 KB = 1,024 Bytes = 8192 bit

KB MB GB TB PB EB ZB YB BB NB DB 进率1024

03 传统数据与大数据的对比

04 大数据的特点

Volume（大量）:  		数据量巨大，从TB到PB级别。
Velocity（高速）:		数据量在持续增加(两位数的年增长率)。
Variety（多样）: 		数据类型复杂，超过80%的数据是非结构化的。
Value（低密度高价值）:  	低成本创造高价值。

数据来自大量源，需要做相关性分析。
需要实时或者准实时的流式采集，有些应用90%写vs.10%读。
数据需要长时间存储，非热点数据也会被随机访问。

4.1 传统数据与大数据处理服务器系统安装对比

4.2 大数据下服务器系统安装

05 大数据生态系统

大数据：历史数据量逐渐攀升、新型数据类型逐渐增多。是企业必然会遇到的问题
新技术：传统方式与技术无法处理大量、种类繁多的数据，需要新的技术解决新的问题。
技术人员：有了问题，有了解决问题的技术，需要大量懂技术的人解决问题。 最佳实践：解决 问题的方法，途径有很多，寻找最好的解决方法。
商业模式：有了最好的解决办法，同行业可以复用，不同行业可以借鉴，便形成了商业模式。

新技术
HADOOP
		HDFS:		海量数据存储。
		YARN:		集群资源调度。
		MapReduce:	历史数据离线计算。
	
Hive:海量数据仓库。	
	Hbase:		海量数据快速查询数据库。
	Zookeeper:	集群组件协调。
	
Impala:		是一个能查询存储在Hadoop的HDFS和HBase中的PB级数据的交互式查询引擎。

Kudu:		是一个既能够支持高吞吐批处理，又能够满足低延时随机读取的综合组件
	Sqoop:	数据同步组件（关系型数据库与hadoop同步）。
	Flume :	海量数据收集。
	
Kafka:		消息总线。
Oozie:		工作流协调。
Azkaban: 	工作流协调。
Zeppelin:	数据可视化。
Hue: 		数据可视化。
Flink:		实时计算引擎。

Kylin: 	分布式分析引擎，提供Hadoop/Spark之上的SQL查询接口及多维分析。
Elasticsearch: 	是一个分布式多用户能力的全文搜索引擎。
Logstash: 		一个开源数据搜集引擎。
Kibana: 		一个开源的分析和可视化平台。

SPARK
		SparkCore:Spark 核心组件
		
SparkSQL:			高效数仓SQL引擎
Spark Streaming: 	实时计算引擎
Structured: 		实时计算引擎2.0
Spark MLlib:		机器学习引擎
Spark GraphX:		图计算引擎

06 大数据生态系统

大数据技术快的原因
	1、分布式存储
	2、分布式并行计算
	3、移动程序到数据端
	4、更前卫、更先进的实现思路
	5、更细分的业务场景
	6、更先进的硬件技术+更先进的软件技术