外行人看大数据 大数据处理的关键技术-阿里云开发者社区

开发者社区> 沉默术士> 正文

外行人看大数据 大数据处理的关键技术

简介:
+关注继续查看

大数据技术,从本质上讲是从类型各异、内容庞大的数据中快速获得有价值信息的技术。目前,随着大数据领域被广泛关注,大量新的技术已经开始涌现出来,而这些技术将成为大数据采集、存储、分析、表现的重要工具。

大数据

大数据处理的关键技术主要包括:数据采集、数据预处理(数据清理、数据集成、数据变换等)、大数据存储、数据分析和挖掘、数据的呈现与应用(数据可视化、数据安全与隐私等)。

该图展示了如何将大量的数据经过一系列的加工和处理,最终以有价值的信息形式到达用户的手中。在数据分析中,云技术与传统方法之间进行联合,使得一些传统的数据分析方法能够成功地运用到大数据的范畴中来。

  一、数据的采集技术

数据的采集是指利用多个数据库来接收发自客户端(Web、App或传感器形式等)的各种类型的结构化、半结构化的数据,并允许用户通过这些数据来进行简单的查询和处理工作。

二、数据集成与处理技术

数据的集成就是将各个分散的数据库采集来的数据集成到一个集中的大型分布式数据库,或者分布式存储集群中,以便对数据进行集中的处理。

该阶段的挑战主要是集成的数据量大,每秒的集成数据量一般会达到百兆,甚至千兆。

三、大数据存储及管理技术

数据的海量化和快增长特征是大数据对存储技术提出的首要挑战。为适应大数据环境下爆发式增长的数据量,大数据采用由成千上万台廉价PC来存储数据方案,以降低成本,同时提供高扩展性。

考虑到系统由大量廉价易损的硬件组成,为了保证文件整体可靠性,大数据通常对同一份数据在不同节点上存储多份副本,同时,为了保障海量数据的读写能力,大数据借助分布式存储架构提供高吐量的数据访问。

目前,Google的GFS(Google File System)和Hadoop HDFS(Hadoop Distributed File System是较为有名的大数据文件存储技术。HDFS是GFS的开源实现,它们均采用分布式存储的方式存储数据(将文件块复制在几个不同的节储节点上)。在实现原理上,它们均采用主从控制模式(主节点存储元数据、接收应用请求并且根据请求类型进行应答,从节点则负责存储数据)。

大数据的数据管理技术的典型代表是Google 的 Big Table 和Hadoop的HBase。Big Table 基于GFS,HBase基于HDFS。作为NoSQL(Not only SQL)数据库,它们为应用提供数据结构化存储功能和类似数据库的简单数据查询功能,并为MapReduce 等并行处理方式提供数据源或数据结果的存储。

  四、大数据的分析与挖掘

数据分析与挖掘是大数据处理流程中最为关键的步骤。

在人类全部数字化数据中,仅有非常小的一部分(约占数据量的1%)数值型数据得到了深入分析和挖掘(如:回归、分类、聚类),大型互联网企业对网页索引、社交数据等半结构化数据进行了浅层分析(如:排序)。占总量近60%的语音、图片、视频等非结构化数据还难以进行有效的分析。

大数据分析技术的发展需要取得两个方面的突破:

一是对体量庞大的结构化和半结构化数据进行高效率的深度分析,挖掘隐性知识(如:从自然语言构成的文本网页中理解和识别语义、情感、意图等);

二是对非结构化数据进行分析,将海量数据复杂多源的语音、图像和视频数据转化为机器可识别的,具有明确语义的信息,进而从中提取有用的知识。


本文转自d1net(转载)

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
排序算法大数据量测试代码
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Collections; using System.Diagnostics; using System.IO; namespace Sort { class Program
829 0
基于 MaxCompute 的实时数据处理实践
MaxCompute 通过流式数据高性能写入和秒级别查询能力(查询加速),提供EB级云原生数仓近实时分析能力;高效的实现对变化中的数据进行快速分析及决策辅助。当前Demo基于近实时交互式BI分析/决策辅助场景,实现指标卡近实时BI分析、近实时市场监测、近实时趋势分析、近实时销量拆分功能。
539 0
大数据分析技术 大数据就业待遇如何?
大数据是眼下非常时髦的热词,同时也催生出了一些与大数据处理相关的职业,通过对数据的挖掘分析来影响企业的商业决策。随着大数据在国内的发展,大数据相关人才却出现了供不应求的状况,大数据分析师更是被媒体称为“未来最具发展潜力的职业之一”。
1642 0
构建在线教育弹性高可用视频处理架构实战
对于负责建设视频处理系统的技术团队而言,这样的业务场景就留给了他们一系列的挑战。
1117 0
大数据处理过程中,如何让Hadoop运行得更快一些?
在数据处理方面,我们发现数据输入速度一般要比的数据处理速度快很多,这种现象在大数据领域尤为明显。随着数据不断膨胀,相应的响应时间自然要有所增加,数据处理的复杂度也在不断提高。作为一个开发者,我们自然非常关注系统的运行速度问题。
1048 0
MySQL海量数据处理及优化
什么是mysql MySQL是一个关系型数据库管理系统,由瑞典MySQL AB 公司开发,目前属于 Oracle 旗下产品。
1156 0
从 0 到 1 通过 Flink + Tablestore 进行大数据处理与分析
阿里云实时计算Flink版是一套基于 Apache Flink 构建的⼀站式实时大数据分析平台。在大数据场景下,实时计算 Flink 可提供端到端亚秒级实时数据流批处理能力。表格存储 Tablestore (又名 OTS)是阿里云自研的多模型结构化数据存储,可提供海量结构化数据的存储、查询分析服务。表格存储的双引擎架构支持千万TPS和毫秒级延迟的服务能力,可作为大数据计算的极佳上下游存储。
338 0
+关注
5518
文章
253
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载