目录
[大数据的特点 (5v特征)](#大数据的特点 (5v特征))
数据分析六部曲
-
明确分析目的和思路:确保分析框架的体系化和逻辑性,简单来说就是先分析什么,后分析什么,使得各个分析点之间具有逻辑联系。
-
数据收集:一般数据来源有数据库、公开出版物、互联网、市场调查等。
-
数据处理:主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。是数据分析的基础。
-
数据分析:用适当的分析方法及工具,对处理过的数据进行分析,提取有价值的信息,形成有效结论的过程。其中数据挖掘是一种高级的数据分析方法。
-
数据展示:通过表格和图形的方式展示。
-
报告撰写:对整个数据分析过程的一个总结与呈现。要有一定的建议或解决方案。
大数据的特点 (5v特征)
-
Volume:数据量大,包括采集、存储和计算的量都非常大;
-
Variety:种类和来源多样化。包括结构化、半结构化和非结构化数据;
-
Value:数据价值密度相对较低,或者说是浪里淘沙却又弥足珍贵;
-
Velocity:数据增长速度快,处理速度也快,时效性要求高;
-
Veracity:数据的准确性和可信赖度,即数据的质量。
分布式与集群的区别
-
分布式:多台服务器干不同的模块任务,组成一个统一的整体功能;
-
集群:一台服务器处理请求个数有限,提供服务能力有限,准备多台服务器干同样的的任务。
-
集群和分布式,都是描述的一组计算机。集群的所有节点跑的是同样的任务,集群本质是多台服务器联合起来独立做相同的任务(多个服务器分担客户端发来的请求) 。而分布式系统的节点跑的是分解后的任务,分布式本质是多台服务器协同配合完成同一个大任务(每个服务器都只完成大任务拆分出来的单独1个子任务)
-
以修手机为例:维修手机要分为检测、维修、测试三个环节,当多部手机都需要维修的时候,为了提高效率,雇了10位工程师。如果每个工程师维修时,对每台手机进行检测、维修和测试,这就是集群的工作方式。如果2位工程师负责检测,5位工程师负责维修,剩下的3位工程师负责测试,这就是分布式的工作方
常用的分布式方案
-
分布式应用和服务 :将应用和服务进行分层和分割,然后将应用和服务模块进行分布式部署。这样做不仅可以提高并发访问能力、减少数据库连接和资源消耗,还能使不同应用复用共同的服务,使业务易于扩展。比如:分布式服务框架 Dubbo。
-
分布式数据存储 :常常需要处理海量数据,单台计算机往往无法提供足够的内存空间,可以对这些数据进行分布式存储。比如Apache Hadoop HDFS。
- 分布式计算 :分布式计算将该应用分解成许多小的部分,分配给多台计算机进行处理。这样可以节约整体计算时间,大大提高计算效率。比如 Apache Hadoop MapReduce。