《大数据原理:复杂信息的准备、共享和分析》一一0.6 大数据成为信息宇宙的中心

简介: 本节书摘来自华章出版社《大数据原理:复杂信息的准备、共享和分析》一 书中的第0章,第0.6节,作者:[美] 朱尔斯 J. 伯曼(Jules J. Berman)著 ,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

0.6 大数据成为信息宇宙的中心
物理是宇宙的操作系统。
―Steven R. Garman

以前,科学家们一直遵循这条通向真理的路线:提出假说,进行实验;然后获取数据,分析数据,最后发表文章。科学家分析数据的行为是非常关键的,因为其他科学家无法获得同样的数据,也不能重现数据分析的过程。基本上,最终的手稿就是这个科学家的产出。因此,科学认识就建立在了信任的基础上。
在大数据的例子里,最终手稿的概念没有什么意义。大数据资源是永久性的,其中的数据是不可变的(见第6章)。任何科学家的分析结论都不会取代数据本身,其他科学家能够一次又一次地使用这些数据并重新进行分析。
在1976年9月3日那天,海盗2号探测器在火星着陆,并在接下来的3年7个月8天的时间里一直保持着运行状态。海盗2号在着陆不久后做了一个有趣的远程控制实验,天体生物学家使用火星土壤样本,进行了放射性标记的前体转化为复杂的碳基分子的研究,即所谓的标记释放性研究。在这项研究中,土壤的对照样本被加热到很高的温度(例如消毒),且同样暴露在放射性标记前体中,这样不会产生复杂的含碳分子。此后不久,初步的定论是我们为火星土壤中的微生物通过代谢的方式生成了碳基分子11。正如你所想的那样,这个结论立即受到了挑战,并且至今仍存在争议。
那么海盗2号的实验是如何与大数据产生联系的?自1976年以来,在首篇论文发表后的很长一段时间,科学家们能够获取来自标记释放性研究的数据,并进行重新分析。一些新的分析技术在这些数据上获得了应用,产生了新的结论,并已公开发表。随着火星任务的增加,产生了越来越多的数据(例如,水和甲烷的检测数据),同时也支持了火星上存在生物的结论。但没有数据可以作为确证,火星上的微生物也没有被分离出来。这里要指出的是,标记释放性数据是可被访问且永久性的,也是能够被重复研究的,能够与新数据比较或结合,当然也能不断遭受争议。
如今,大数据资源极有可能形成自成千上万的个体。资源中的数据或许会激发出几十个科学项目、上百个手稿、上千个分析结果或者百万个搜索和检索操作。大数据资源已经成为高校、研究实验室、公司和联邦机构圈所围绕的中心对象。他们从大数据资源中获取信息,然后利用这些信息进行分析研究并发表论文。由于大数据资源的永久性,因此在同一数据集上,任何分析都能够被检查,在未来任何时候也能够被重新分析。由于大数据资源在时间上既向前增长(例如,产生新信息),也向后增长(例如,吸收遗留数据),因此数据的价值也就随着持续增长。
大数据资源是现代信息宇宙中的恒星。物理宇宙中的所有物质都来自恒星中产生的重元素和轻元素。在信息宇宙中的所有数据是由简单数据形成的复杂数据。正如恒星能够耗尽自己的生命,爆炸,甚至在其自身重量下坍塌成为黑洞,大数据资源也可能因失去经费而枯竭,灰飞烟灭,甚至在其自身重量下因不堪重负而倾塌,最终化为暗黑的虚无。这是一个有趣的隐喻。后续章节将说明如何设计和操作大数据资源以确保其稳定、有用、生长和永恒。而那些你所期盼的从一个巨大物体中发现的特征也许就位于信息宇宙的中心。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
16天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
29天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
数据采集 运维 数据挖掘
API电商接口大数据分析与数据挖掘 (商品详情店铺)
API接口、数据分析以及数据挖掘在商品详情和店铺相关的应用中,各自扮演着重要的角色。以下是关于它们各自的功能以及如何在商品详情和店铺分析中协同工作的简要说明。
|
2月前
|
API
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
104 0
|
2月前
|
SQL 存储 分布式计算
maxcompute配置问题之配置mc内容如何解决
MaxCompute配置是指在使用阿里云MaxCompute服务时对项目设置、计算资源、存储空间等进行的各项调整;本合集将提供MaxCompute配置的指南和建议,帮助用户根据数据处理需求优化其MaxCompute环境。
31 1
|
10天前
|
机器学习/深度学习 人工智能 安全
Azure Databricks实战:在云上轻松进行大数据分析与AI开发
【4月更文挑战第8天】Databricks在大数据分析和AI开发中表现出色,简化流程并提高效率。文中列举了三个应用场景:数据湖分析、实时流处理和AI机器学习,并阐述了Databricks的一体化平台、云原生弹性及企业级安全优势。博主认为,Databricks提升了研发效能,无缝集成Azure生态,并具有持续创新潜力,是应对大数据挑战和加速AI创新的理想工具。
35 0
|
24天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
1月前
|
分布式计算 NoSQL 大数据
探索数据宇宙:深入解析大数据分析与管理技术
探索数据宇宙:深入解析大数据分析与管理技术
55 1