一說大數(shù)據(jù)大家都很熟悉，但你知道大數(shù)據(jù)究竟說的是什么嗎？別急看完這個漫畫你就明白了。

大數(shù)據(jù)是具有海量、高增長率和多樣化的信息資產(chǎn)，它需要全新的處理模式來增強決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力。

大數(shù)據(jù)通常都擁有海量的數(shù)據(jù)存儲。僅根據(jù)2013年的統(tǒng)計，互聯(lián)網(wǎng)搜索巨頭百度已擁有數(shù)據(jù)量接近EB級別、阿里、騰訊聲明自己存儲的數(shù)據(jù)總量都達到了百PB以上。此外，電信、醫(yī)療、金融、公共安全、交通、氣象等各個方面保存的數(shù)據(jù)量也都達到數(shù)十或者上百PB級別。

面對這樣規(guī)模的數(shù)據(jù)存儲量，依靠單臺數(shù)據(jù)庫服務器顯然是不夠的，需要以分布式文件系統(tǒng)（例如 HDFS）作為基石。

在傳統(tǒng)的關(guān)系型數(shù)據(jù)庫中，所存儲的數(shù)據(jù)都是結(jié)構(gòu)化的，例如：

但是在現(xiàn)實生活中，信息往往并沒有嚴格的結(jié)構(gòu)限制。比如一個電商網(wǎng)站需要記錄如下用戶行為：

用戶張三， 于某某時間在商品搜索欄搜索了“蘋果手機”一詞，然后進入 XXX 商鋪進行瀏覽，經(jīng)過與店家溝通，討價還價，最終以6000元的價格購買了 iPhone 7 “鋼琴黑”款式手機一部。

諸如此類的用戶行為數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù)，很難用關(guān)系型數(shù)據(jù)庫存儲。因此諸多No-SQL數(shù)據(jù)庫（例如 HBase）成為了存儲大數(shù)據(jù)的更好選擇。

如果沒有更加快速有效的海量數(shù)據(jù)解決方案，那么如此大量多樣的數(shù)據(jù)不但沒有帶來更多價值，反而成為了系統(tǒng)的負擔。關(guān)于這一點，谷歌公司率先提出的MapReduce模型為我們帶來了新的道路。

MapReduce可以簡單的理解成一種分治方法：把龐大的任務分成若干小任務，交給多個節(jié)點進行并行處理，然后再把所有節(jié)點的處理結(jié)果合并起來，從而大大提升了數(shù)據(jù)處理效率。

人工智能：

以大數(shù)據(jù)作為機器學習的訓練集，從而訓練出擁有一定決策能力的人工智能。典型的代表案例就是谷歌的AlphaGo, 通過大量圍棋棋局的學習，最終擁有了打敗圍棋世界冠軍的能力。

商業(yè)分析：

從大量的用戶行為數(shù)據(jù)中挖掘出有價值的商業(yè)信息。典型代表是著名社交公司LinkedIn，他們通過用戶之間的關(guān)聯(lián)關(guān)系，繪畫出學校、公司、人才之間龐大而復雜的信息網(wǎng)絡。不僅如此，LinkedIn還通過大量求職者和招聘方的信息，分析出哪些公司正在迅速擴張，哪些公司正在流失人才，哪些公司之間正在展開人才市場的爭奪。這些對于客戶公司來說，都是無價之寶。

犯罪預測：

洛杉磯警察局曾經(jīng)借助一套原本用于預測地震后余震的大數(shù)據(jù)模型，把過去80年內(nèi)的130萬個犯罪記錄數(shù)據(jù)輸入進去，結(jié)果發(fā)現(xiàn)其預測出的犯罪高發(fā)地點與現(xiàn)實驚人的吻合。后來該預測算法經(jīng)過改進，已經(jīng)成為了當?shù)鼐种匾膮⒖家罁?jù)，大大降低了當?shù)氐姆缸锫省?/span>

這里所介紹的相關(guān)知識，只是作者對于大數(shù)據(jù)領(lǐng)域的淺層次理解。通過這篇漫畫，希望沒有從事過IT行業(yè)，或者不了解大數(shù)據(jù)的朋友們能夠?qū)Υ髷?shù)據(jù)有一些初步的認知。

歡迎在評論區(qū)發(fā)表你對大數(shù)據(jù)的看法哦~