《现代通信系统新技术》_第8章.pptxVIP

大数据(BigData),或称巨量资料，指的是所涉及的资

料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策的资讯。大数据需要特殊的技术来有效地处理大量的规定时间内的数据。适用于大数据的技术包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。;

8.1大数据的概念

大数据是所涉及的资料量规模巨大，无法在规定时间内

通过常规软件工具对其内容进行撷取、管理和处理的数据集合。大数据需要满足“4V”特征，即数据量大(Volume)、数据的种类多(Variety)、数据的增长及处理速度快(Velocity)、数据蕴藏价值大(Value),而能满足这4个根本特征的才能称为大数据。;

数据量大(Volume)指的是数据的采集、存储和计算的量

都非常大，大数据通常指10TB以上规模的数据量。造成数据量增大的原因很多，例如，监控和传感设备的使用，使我们感知到更多的事务，这些事务的数据将被部分或者完全存储；(移动)通信设备的使用，使得交流的数据量成倍增长；

基于互联网和社会化网络的应用的发展，数以亿计的用户每

天都会产生大量的数据。;

数据种类多(Variety)是指数据的种类和来源较多，例如

多种传感器、智能设备、社交网络等，包括结构化、半结构化和非结构化，以及图片、音频、视频、地理位置等多类型的数据，实际上就是具有多个时段(历史的、现在的)、多种媒体、多个来源、异构(结构化、半结构化、非结构化)的数据。;

数据的增长及处理速度快(Velocity)是指数据每分每秒

都在爆炸性地增长，而对数据的处理速度要求也很高，数据的快速动态的变化使得流式数据成为大数据的重要特征，对大数据的处理要求具有较强的时效性，能够实时地查询、分析、推荐等。;

数据蕴藏价值大(Value)是指在海量的数据中，存在着

巨大的被挖掘的商业价值，然而由于数据总量的不断增加，

数据的单位价值密度却相对较低，如何通过强大的数据挖掘算法，结合企业的业务逻辑来从海量数据中获取有用的价值，是大数据要解决的重要问题。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。

除了上述的4个根本特征外，大数据与传统的数据处理技术最明显的一个区别是，大数据要求在线处理。;

大数据的总体架构包括三层：

(1)数据存储层。数据有很多种分类方法，有结构化、

半结构化、非结构化，也有元数据、主数据、业务数据，还可以分为GIS、视频、文件、语音、业务交易类各种数据。

(2)数据处理层。数据处理层解决的核心问题在于出现分布式存储后，存储方式的改变所带来的数据处理上的复杂度，海量数据存储则带来了数据处理上的时效性要求。

(3)数据分析层。数据分析层的重点是挖掘大数据的真正价值所在，而价值的挖掘核心又在于数据分析和挖掘。;

数据分析只关注两个内容：

一个是传统数据仓库下的数据建模，在该数据模型下需要支持上面各种分析方法和分析策略；

另一个是根据业务目标和业务需求建立的KPI指标体系，对应指标体系的分析模型和分析方法。解决了这两个问题，就基本解决了数据分析的问题。;

从技术上看，大数据与云计算的关系就像一枚硬币的正

反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和/或虚拟化技术。物联网、云计算、移动互联网、

车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。

大数据最核心的价值在于对海量数据的存储和分析。相比现有的其他技术，大数据具有廉价、迅速、优化三大特点。;

8.1.1大数据处理的六大工具

1.Hadoop

Hadoop是一个能够对大量数据进行分布式处理的软件

框架，它是以一种可靠、高效、可伸缩的方式进行处理的。

它主要有以下几个优点：

(1)高可靠性。

(2)高扩展性。

(3)高效性。

(4)容错性。;

2.HPCC

高性能计算与通信(HighPerformanceComputingand

Communications,HPCC)是1993年由美国科学、工程、技术

联邦协调理事会向国会提交的“重大挑战项目：高性能计算与通信”的报告，也就是被称为HPCC计划的报告，即美国

总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。;

该项目主要由五部分组成：

(1)高性能计算机系统(HPCS)