原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2015年12月 目 录
1、什么是大数据 4
1.1、Volume（体积） 4
1.2、Variety（多样） 4
1.3、Velocity（效率） 5
1.4、Veracity（价值） 5
2、大数据关键技术 5
2.1、大数据采集技术 6
2.2、大数据预处理技术 6
2.3、大数据存储及管理技术 7
2.4、大数据分析及挖掘技术 7
2.5、大数据展现与应用技术 8
3、数据处理与分析 8
3.1、传统方式 9
3.2、Hadoop大数据新方法 10
3.3、大规模并行分析数据库 11
3.4、大数据方法的互补 12
3.5、大数据使用案例 13
4、展望电力大数据时代 14
4.1、电力大数据价值分析 14
4.2、电力大数据应用前景 14
4.3、电力大数据发展与挑战 15
5、迈向电力大数据时代 15
5.1、电力大数据关健技术 16
5.2、电力大数据发展策略 16
6、电力大数据实践 16
6.1、实时海量数据是坚强智能电网的重要资产 17
6.2、对实时数据的接入、存储与处理、监测与智能分析 17
6.3、电网实时数据调研现状 17
6.4、大数据服务IT创新、提高生产效率 19
7、大数据技术实现 19
7.1、物理架构图 19
7.2、数据处理向大数据处理的过渡 20
7.3、大数据核心技术—Hadoop 20
8、Hadoop介绍与案例分析 20
8.1、Hadoop介绍 21
8.2、Hadoop核心技术 21
8.2.1、HDFS 21
8.2.2、MapReduce 23
8.3、Hadoop优点和缺点 30
8.4、NoSQL数据库介绍 31
8.4.1、MongoDB 32
8.4.2、CouchDB 33
8.4.3、HBase 34
8.4.4、Redis 35
8.4.5、BaseX 35
9、Hadoop数据存储—HBase 36
9.1、HBase简介 36
9.2、逻辑视图 37
9.3、物理存储 37
9.4、系统架构 41
9.5、关键算法\流程 44
9.6、访问接口 48
10、Hadoop查询与分析工具 48
10.1、Hive 48
10.2、Mahout 56
1、什么是大数据
大数据几乎已成为所有商业领域共有的最新趋势，然而大数据究竟是什么？事实上，大数据是个非常简单的术语——就像它所说的一样，是非常大的数据集。那么究竟有大多？真实的答案就是“如你所想的那么大”！
那么为什么会产生如此之大的数据集？因为当今的数据已经无所不在并且存在着巨大的回报：收集通信数据的RFID传感器，收集天气信息的传感器，移动设备给社交网站发送的GPRS数据包，图片视频，在线购物产生的交易记录，应有尽有！大数据是一个巨大的数据集，包含了任何数据源产生的信息，当然前提是这些信息是我们感兴趣的。
然而大数据的含义绝不只与体积相关，因为大数据还可以用于寻找新的真知、形成新的数据和内容；我们可以使用从大数据中提取的真知、数据和内容去使商业更加灵活，以及回答那些之前被认为远超当前范畴的问题。这也是大数据被从以下4个方面定义的原因：Volume（体积）、Variety（多样）、Velocity（效率）以及Veracity（Value，价值），也就是大数据的4V。下面将简述每个特性以及所面临的挑战：
1.1、Volume（体积）
Volume说的是一个业务必须捕获、存储及访问的数据量，仅仅在过去两年内就生产了世界上所有数据的90%。现今的机构已完全被数据的体积所淹没，轻易的就会产生TB甚至是PB级不同类型的数据，并且其中有些数据需要被组织、防护（窃取）以及分析。
1.2、Variety（多样）
世界上产生的数据有80%都是半结构化的，传感器、智能设备和社交媒体都是通过Web页面、网络日志文件、社交媒体论坛、音频、视频、点击流、电子邮件、文档、传感系统等生成这些数据。传统的分析方案往往只适合结构化数据，举个例子：存储在关系型数据库中的数据就有完整的结构模型。数据类型的多样化同样意味着为支持当下的决策制定及真知处理，我们需要在数据储存和分析上面进行根本的改变。Variety代表了在传统关系数据库中无法轻易捕获和管理的数据类型，使用大数据技术却可以轻松的储存和分析。
1.3、Velocity（效率）
Velocity则需要对数据进行近实时的分析，亦称“sometimes 2 minutes is too late!”。获取竞争优势意味着你需要在几分钟，甚至是几秒内识别一个新的趋势或机遇，同样还需要尽可能的快于你竞争对手。另外一个例子是时间敏感性数据的处理，比如说捕捉罪犯，在这里数据必须被收集后就完成被分析，这样才能获取最大价值。对时间敏感的数据保质期往往
文档评论（0）