大数据的来源和数据采集方法.pptVIP

大数据的来源 社交媒体 如微博、微信、人人网、facebook等，通过这些大众常用的社交平台，可以分析用户平时在这些社交媒体上的行为动向，归纳出用户的喜好或关注点，这些能够为企业挖掘用户需求提供重要依据。 越来越多的机器配备了连续测量和报告运行情况的装置。这些机器传感数据也属于大数据的范围。 一些视频、音频设备等产生的数据 如一些大型超市，通过监控器观察消费者在超市购物的整个流程，从而对商品进行合理摆放，促进对某些商品的间接促销。 企业内部本身的一些行业数据等等。 大数据的数据采集方法 系统日志采集方法 很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等，这些工具均采用分布式架构，能满足每秒数百MB的日志数据采集和传输需求。 网络数据采集方法：对非结构化数据的采集 网络数据采集是指通过网络爬虫或网站公开API等方式从网站上获取数据信息。该方法可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。它支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。 除了网络中包含的内容之外，对于网络流量的采集可以使用DPI或DFI等带宽管理技术进行处理。 其他数据采集方法 对于企业生产经营数据或学科研究数据等保密性要求较高的数据，可以通过与企业或研究机构合作，使用特定系统接口等相关方式采集数据。 * * * * * * * *