[ 導讀 ] 如今我們被稱為“大數據” 之物，曾今只是我們簡單的稱為“數據”。大數據不是一時流行，而是數據管理演變所產生的新興詞匯。大數據描述了數據增長的指數是多么巨大，為了能容納這些數據，我們努力提供存儲空間----大數據還能使用技術從新興數據中獲取信息，抓取新機遇

       如今我們被稱為“大數據” 之物，曾今只是我們簡單的稱為“數據”。大數據不是一時流行，而是數據管理演變所產生的新興詞匯。大數據描述了數據增長的指數是多么巨大，為了能容納這些數據，我們努力提供存儲空間----大數據還能使用技術從新興數據中獲取信息，抓取新機遇。

       通過這篇博文，你能夠了解大數據的最新變化。我將著重講述一些大數據案例分析，包括NoSQL 數據庫，Hadoop(分布式計算)平臺，預測分析等。尤其是數據可視化----它開辟了數據分析新領域----這是個經常出現的話題。

       大數據有許多種的定義，Gartner將大數據形容為“容量大，速率高，且信息資產多樣，需使用全新處理方式，以提升決策力和洞察力，以及優化處理能力”，這是非常貼切的。首先，通過這些案例研究，我們將了解以下幾點：各機構如何通過新技術，迅速應對，并處理海量數據，并有效管理任意類型數據。

       大數據的重大突破

       為何在這個特殊時刻，大數據“翩然而至”?根本緣由在于網絡自身。網絡出現后，我們面對的對象已改變，不再是成千上萬客戶機應用用戶，使用由RDBMS(關系數據庫管理系統)支持的客戶機應用。如今，網絡應用對全世界客戶開放。通過使用這些網絡應用，成千上萬的用戶能夠產生成千上萬的數據。

       數據規模之大，需要容量極大的系統才有空間容納，并為所有用戶提供服務----正是這一點，促進了NoSQL運動的發展。同時，還需要對這些半結構化的海量數據進行分析，以找出優化用戶體驗，以及貨幣化行為的方法。因此，Hadoop應運而生，MPP(大規模并行處理)分析數據庫逐漸進化，BI工具亦不斷推陳出新。

       大數據發明者，以及大數據最早使用者們發現，傳統技術已滿足不了大數據需要。尤其是傳統技術成本過高，且需耗費較多精力，因此，他們轉而使用NoSQL，以及Hadoop。

       比起使用傳統RDBMS，ETL(提取轉換加載)，以及BI工具，這些用戶寧愿使用NoSQL，以及Hadoop，并放棄一些新功能。例如，若使用NoSQL系統，他們就將放棄ACID順從性。(ACID：指數據庫管理系統事務的四個特性：原子性，一致性，隔離性，持久性。);使用Hadoop，他們就將放棄傳統ETL功能，放棄[FS:PAGE]優質GUI(圖形用戶界面)，以及實時查詢功能;使用BI，他們將放棄實時可視化，以及數據交互功能。這樣的例子不勝枚舉。至于這些公司認為這些犧牲值得與否，就因使用案例而異了。

       逐步成為主流

       最后，于大數據技術的早期用戶而言，他們終會希望能重新使用這些功能。大數據技術供應商能滿足他們的需求，在這之后，大數據就將不再是獨立的IT類別。

       同時，數據增長速率將繼續加快。如今，網絡點擊流數據，系統事件，以及其它我們依賴的核心技術來源，為大數據處理提供了大量新生的，半結構化數據。在將來，移動設備，以及“物聯網”---物聯網-通過 RFID(無線射頻識別系統)，以及其它傳感器進行連接----使我們能夠采集，并分析來自制造系統，運輸基本設施，醫療器械，以及你所能想到任何來源的海量數據。

       因此，隨著大數據的持續發展，若僅關注早期的大數據應用，終將付出代價。那些我們與大數據聯系一處的新興技術，建立起了標準的數據管理體系，能夠應對隨后的數據大爆炸。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。