大數(shù)據(jù)介紹介紹課件

大數(shù)據(jù)從何而來，互聯(lián)網(wǎng)技術(shù)發(fā)展現(xiàn)狀？什么是大數(shù)據(jù)、云計(jì)算與大數(shù)據(jù)有什么關(guān)系、大數(shù)據(jù)類型？大數(shù)據(jù)如何獲取、存儲(chǔ)、處理、分析的技術(shù)？大數(shù)據(jù)怎么用、未來發(fā)展趨勢(shì)？Question互聯(lián)網(wǎng)發(fā)展趨勢(shì)物物互聯(lián)人人互聯(lián)人物互聯(lián)2023/5/234風(fēng)云變幻中……2023/5/2361.大數(shù)據(jù)(BigData)所謂“大數(shù)據(jù)”（bigdata）指的是這樣一種現(xiàn)象：一個(gè)公司日常運(yùn)營所生成和積累用戶行為數(shù)據(jù)“增長如此之快，以至于難以使用現(xiàn)有的數(shù)據(jù)庫管理工具來駕馭，困難存在于數(shù)據(jù)的獲取、存儲(chǔ)、檢索、共享、分析和可視化等方面?！边@些數(shù)據(jù)量是如此之大，已經(jīng)不是以我們所熟悉G或T為單位來衡量，而是以P、E或Z為計(jì)量單位，所以稱之為大數(shù)據(jù)。大數(shù)據(jù)的4V特性體量Volume多樣性Variety價(jià)值密度Value速度Velocity非結(jié)構(gòu)化數(shù)據(jù)的超大規(guī)模和增長總數(shù)據(jù)量的80~90%比結(jié)構(gòu)化數(shù)據(jù)增長快10倍到50倍是傳統(tǒng)數(shù)據(jù)倉庫的10倍到50倍大數(shù)據(jù)的異構(gòu)和多樣性很多不同形式（文本、圖像、視頻、機(jī)器數(shù)據(jù)）無模式或者模式不明顯不連貫的語法或句義大量的不相關(guān)信息對(duì)未來趨勢(shì)與模式的可預(yù)測(cè)分析深度復(fù)雜分析（機(jī)器學(xué)習(xí)、人工智能Vs傳統(tǒng)商務(wù)智能(咨詢、報(bào)告等）實(shí)時(shí)分析而非批量式分析數(shù)據(jù)輸入、處理與丟棄立竿見影而非事后見效2.什么是云計(jì)算？

云計(jì)算將計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的資源池上，是各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計(jì)算力、存儲(chǔ)空間和各種軟件服務(wù)。云計(jì)算的“云”就是存在于互聯(lián)網(wǎng)上的服務(wù)器集群上的資源，它包括硬件資源（服務(wù)器、存儲(chǔ)器、CPU等）和軟件資源（如應(yīng)用軟件、集成開發(fā)環(huán)境等）本地計(jì)算機(jī)只需要通過互聯(lián)網(wǎng)發(fā)送一個(gè)需求信息，遠(yuǎn)端就會(huì)有成千上萬的計(jì)算機(jī)為你提供需要的資源并將結(jié)果返回本地計(jì)算機(jī)。3.大數(shù)據(jù)類型：結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)模型：結(jié)構(gòu)化數(shù)據(jù)：二維表（關(guān)系型）半結(jié)構(gòu)化數(shù)據(jù)：樹、圖非結(jié)構(gòu)化數(shù)據(jù)：無結(jié)構(gòu)化數(shù)據(jù)：先有結(jié)構(gòu)、再有數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)：先有數(shù)據(jù)，再有結(jié)構(gòu) 虛擬數(shù)據(jù)庫信息管理系統(tǒng)（HIS）電子病歷2023/5/23銷售管理系統(tǒng)11關(guān)系數(shù)據(jù)庫曾經(jīng)是萬能的關(guān)系數(shù)據(jù)模型CRM客戶關(guān)系管理實(shí)時(shí)監(jiān)控平臺(tái)遠(yuǎn)程監(jiān)護(hù)平臺(tái)Google大數(shù)據(jù)處理技術(shù)作用：-成本降低，能用PC機(jī)，不用大型機(jī)和高端存儲(chǔ)-軟件容錯(cuò)硬件故障視為常態(tài)，通過軟件保證可靠性-簡化并行分布式計(jì)算，無須控制節(jié)點(diǎn)同步和數(shù)據(jù)交換-Google文件系統(tǒng)GFS(GoogleFileSystem)-并行數(shù)據(jù)處理MapReduce-結(jié)構(gòu)化數(shù)據(jù)表BigTable-分布式鎖管理Chubby技術(shù)變革云計(jì)算：把集中的運(yùn)算分散開來物聯(lián)網(wǎng)：把分散的設(shè)備連在一起Hadoop：把大數(shù)據(jù)切成小模塊大數(shù)據(jù)處理技術(shù)——Hadoop開源Apache項(xiàng)目，靈感來源于Google的三篇論文：BigTable、MapReduce、GFS；Hadoop核心組件包括： -分布式文件系統(tǒng)（HDFS） -分布式數(shù)據(jù)庫存儲(chǔ)系統(tǒng)（Hbase） -分布式計(jì)算構(gòu)架（MapReduce）使用Java編寫運(yùn)行平臺(tái)：LinuxHDFS體系架構(gòu)HDFS：-分布式文件存儲(chǔ)系統(tǒng)，存儲(chǔ)海量的數(shù)據(jù)；-數(shù)據(jù)冗余，硬件容錯(cuò)；-流式的數(shù)據(jù)訪問；-存儲(chǔ)大文件;-適合數(shù)據(jù)批量讀寫，吞吐量高；適一次寫入，多次讀取，順序讀寫。-不適合交互式應(yīng)用，低延遲很難滿足不支持多用戶并發(fā)寫相同文件。HDFS分布式文件系統(tǒng)大數(shù)據(jù)系統(tǒng)整體架構(gòu)DataValue：數(shù)據(jù)挖掘與分析數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但潛在的有用信息和知識(shí)的過程。數(shù)據(jù)挖掘與分析知識(shí)發(fā)現(xiàn)（KDD）是從數(shù)據(jù)集中識(shí)別出有效的、新穎的、潛在有用的，以及最終可理解的模式的過程。數(shù)據(jù)挖掘是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)（KDD）中不可缺少一部分?jǐn)?shù)據(jù)挖掘基本方法預(yù)測(cè)建模：將已有數(shù)據(jù)和模型用于對(duì)未知變量的語言。（1）分類，用于預(yù)測(cè)離散的目標(biāo)變量（2）回歸，用于預(yù)測(cè)連續(xù)的目標(biāo)變量關(guān)聯(lián)分析：反映一個(gè)事物與其他事物之間的相互依存性和關(guān)聯(lián)性。用來發(fā)現(xiàn)描述數(shù)據(jù)中強(qiáng)關(guān)聯(lián)特征的模式。聚類分析：發(fā)現(xiàn)緊密相關(guān)的觀測(cè)值組群，使得與屬于不同簇的觀測(cè)值相比，屬于同一簇的觀測(cè)值相互之間盡可能類似異常檢測(cè)：識(shí)別其特征顯著不同于其他數(shù)據(jù)的觀測(cè)值實(shí)戰(zhàn)項(xiàng)目1——Python網(wǎng)絡(luò)爬蟲網(wǎng)絡(luò)爬蟲是一個(gè)自動(dòng)提取網(wǎng)頁的程序/腳本，它可以搜索引擎從萬維網(wǎng)上下載網(wǎng)頁，是搜索引擎的重要組成。做為通用搜索引擎網(wǎng)頁收集器（Google、Baidu）做垂直搜索引擎（51job、zhaoping、chinahr）科學(xué)研究：在線人類行為，在線社群演化，復(fù)雜網(wǎng)絡(luò)，數(shù)據(jù)挖掘領(lǐng)域的實(shí)證科學(xué)研究，快速收集大量數(shù)據(jù)Task：攜程數(shù)據(jù)庫（游客數(shù)據(jù)、點(diǎn)評(píng)記錄）實(shí)戰(zhàn)項(xiàng)目2——數(shù)據(jù)分析及可視化應(yīng)用1.Python—2012年美國總統(tǒng)大選數(shù)據(jù)分析2.動(dòng)態(tài)氣泡圖的實(shí)現(xiàn)3.熱力感應(yīng)圖（heatmap.js）管理大數(shù)據(jù)“易”,理解大數(shù)據(jù)“難”目前大數(shù)據(jù)管理多從架構(gòu)和并行等方面考慮，解決高并發(fā)數(shù)據(jù)存取的性能要求及數(shù)據(jù)存儲(chǔ)的橫向擴(kuò)展，但對(duì)非結(jié)構(gòu)化數(shù)據(jù)的內(nèi)容理解仍缺乏實(shí)質(zhì)性的突破和進(jìn)展，這是實(shí)現(xiàn)大數(shù)據(jù)資源化、知識(shí)化、普適化的核心.非結(jié)構(gòu)化海量信息的智能化處理：自然語言理解、多媒體內(nèi)容理解、機(jī)器學(xué)習(xí)等.大數(shù)據(jù)驅(qū)動(dòng)架構(gòu)概念圖2023/5/2327大數(shù)據(jù)存儲(chǔ)

云計(jì)算技術(shù)是最理想的解決方案??？2023/5/2328社會(huì)計(jì)算研究2023/5/2329城市計(jì)算的基本框架2023/5/23NWU智能信息處理研究所30數(shù)字足跡與城市計(jì)算出租車GPS數(shù)字足跡：不同時(shí)刻的城市熱點(diǎn)檢測(cè)、城市區(qū)域的功能特性分類、路徑規(guī)劃、出租車司機(jī)尋客策略、異常軌跡檢測(cè)、城市道路交通流量預(yù)測(cè)等；移動(dòng)社交網(wǎng)絡(luò)數(shù)字足跡：探索個(gè)人和群體移動(dòng)模式、群體事件監(jiān)測(cè)、