博亚体育

　　博亚体育本文内容主要来自课程UCSD大学网络课程Big Data的学习笔记+笔者的理解。

　　机构产生的数据举例：一家超市，有所有的进销存数据，客户购物数据，还有官网对超市的评论等，有结构化的数据，也有非结构化的数据。

　　价值来自整合不同类型的数据源!以超市举例说明，通过进销存数据+客户购物数据+社交网络舆情监测数据，预测接下来几天的销售预期，进而制定合适的营销策略增加销售。

　　我们通过6个维度来定义什么是大数据,这个维度的英文单词都是由字母V开头，所以也可以简记为6个“V”。分别是：Volume（规模）、Velocity（速度）、Variety（多样）、Veracity（质量）、Valence（连接）、Value（价值）

　　利用大数据产生价值的学问定义为“数据科学”。具体来说，这门学问可以通过以下5个“P”来定义：Purpose(目标)、People（人物）、Process（过程）、Platforms（平台）、Programmability（可编程）

　　People（人物）：数据科学家往往具备多个领域的技能，包括：科学或商业知识、数据统计知识、机器学习和数学知识、数据管理知识、编程及计算机知识。一般来说往往需要“互补”的多位科学家组队工作。

　　Process（过程）：包括如何团队沟通大数据、使用何种技术、采取什么工作流程等等

　　Programmability（可编程）：开展数据科学需要编程语言的帮助博亚体育，例如R和patterns，MapReduce等。

　　在真正开始进行数据分析之前，提出正确的问题至关重要！！！名言：正确定义要解决的问题相当于已经解决了问题的一半！

　　分布式文件系统的存储方式是，首先将一份文件切分为n份（图中以5份为例），然后将这5份复制后分别存放在不同的机柜不同的主机中。

　　Hadoop是由一系列软件组成的，用于处理分布式存储博亚体育、云计算、大数据处理等等的各类框架的集和。

　　我们通过下面这种“层叠结构”的方式来解释hadoop博亚体育。“层叠结构”中，上一层的结构依赖于下一层提供的资源。如下图中，B和c依赖a提供的资源，而b和c之间无任何依赖关系。

　　hadoop就是一个这样的“生态环境”，可以用下面的“层叠结构”图来表示：