1-大数据概述

大数据概述教材第1章大数据之门重点与难点•内容：大数据的概念和应用、大数据与云计算、物联网的关系。•重点：理解大数据的概念、大数据与云计算、物联网的关系。•难点：大数据对科学研究、思维方式和社会发展的影响。内容提纲1.1大数据时代1.2大数据概念1.3大数据的影响1.4大数据的应用1.5大数据关键技术1.6大数据计算模式1.7大数据产业1.8大数据与云计算、物联网的关系1.1大数据时代第三次信息化浪潮根据IBM前首席执行官郭士纳的观点，IT领域每隔十五年就会迎来一次重大变革表1-1三次信息化浪潮信息化浪潮发生时间标志解决问题代表企业第一次浪潮1980年前后个人计算机信息处理Intel、AMD、IBM、苹果、微软、联想、戴尔、惠普等第二次浪潮1995年前后互联网信息传输雅虎、谷歌、阿里巴巴、百度、腾讯等第三次浪潮2010年前后物联网、云计算和大数据信息爆炸将涌现出一批新的市场标杆企业信息科技为大数据时代提供技术支撑图1-1存储价格随时间变化情况1.存储设备容量不断增加信息科技为大数据时代提供技术支撑图1-3CPU晶体管数目随时间变化情况2.CPU处理能力大幅提升信息科技为大数据时代提供技术支撑图1-4网络带宽随时间变化情况3.网络带宽不断增加信息科技为大数据时代提供技术支撑图1-4网络带宽随时间变化情况3.网络带宽不断增加数据产生方式的变革促成大数据时代的来临图1-5数据产生方式的变革信息时代三定律定律名称内容摩尔定律每平方英寸硅芯片上的晶体管数目每18个月到24个月将增加一倍。40年来，这个预言每每应验，而且后人又增加一条：“价格同时下降一半”。摩尔定律揭示了信息技术进步的速度，铸造数据滋生的利器！吉尔德定律预测互联网的带宽每6个月增长1倍，其增长速度是摩尔定律预测的CPU增长速度的3倍。并预言将来上网会免费。吉尔德定律（又称胜利者浪费定律）：大带宽支撑大数据麦特卡尔定律预测网络的价值与网络用户数的平方成正比。也就是说，N个连结创造出N×N的效益。上网的人数越多，产生的效益越多。麦特卡夫定律：大数据价值是用户创造的大数据的发展历程阶段时间内容第一阶段：萌芽期上世纪90年代至本世纪初随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术开始被应用，如数据仓库、专家系统、知识管理系统等。第二阶段：成熟期本世纪前十年Web2.0应用迅猛发展，非结构化数据大量产生，传统处理方法难以应对，带动了大数据技术的快速突破，大数据解决方案逐渐走向成熟，形成了并行计算与分布式系统两大核心技术，谷歌的GFS和MapReduce等发数据技术受到追捧，Hadoop平台开始大行其道第三阶段：大规模应用期2010年以后大数据应用渗透各行各业，数据驱动决策，信息社会智能化程度大幅提高表1-2大数据发展的三个阶段1.2大数据概念大数据的定义•一般意义上，大数据是指无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合。•泛指一个时代、一项技术、一种文化、一个挑战。（通常也是大数据集、大数据技术与大数据应用的总称）大数据的特点:1、数据量大(Volume)根据IDC作出的估测，数据一直都在以每年50%的速度增长，也就是说每两年就增长一倍（大数据摩尔定律）人类在最近两年产生的数据量相当于之前产生的全部数据量预计到2020年，全球将总共拥有35ZB的数据量，相较于2010年，数据量将增长近30倍存储单位换算关系含义与实例bit二进制位Byte1B=8bitKB(Kilobyte,千字节)1KB=1024B=210BMB(Megabyte,兆字节)1MB=1024KB=220B1张照片约2MBGB(Gigabyte,吉字节)1GB=1024MB=230B1部高清电影大约1GBTB(Trillonbyte,太字节)1TB=1024GB=240BeBay每天产生的数据量约为50TBPB(Petabyte,拍字节)1PB=1024TB=250BGoogle每月需要处理的数据量约600PBEB(Exabyte,艾字节)1EB=1024PB=260B美国的医疗数据量约为150EBZB(Zettabyte,泽字节)1ZB=1024EB=270B2013年全球数据量预计4ZBYB(Yottabyte,尧字节)1YB=1024ZB=280B2029年全球数据量预计达1YB2、数据类型繁多(Variety)大数据是由结构化和非结构化数据组成的–10%的结构化数据，存储在数据库中–90%的非结构化数据，它们与人类信息密切相关非结构化数据类型多样–邮件、视频、微博–位置信息、链接信息–手机呼叫、网页点击–“长微博”3、处理速度快(Velocity)从数据的生成到消耗，时间窗口非常小，可用于生成决策的时间非常少1秒定律：这一点也是和传统的数据挖掘技术有着本质的不同4、价值巨大但密度低(Value)以公安部门视频追踪为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒，但是具有很高的价值。构建大数据平台，投入大，产出可能会比投入低许多。1.3大数据的影响大数据对科学研究、思维方式和社会发展都具有重要而深远的影响。①在科学研究方面，大数据使得人类科学研究在经历了实验、理论、计算三种范式之后，迎来了第四种范式——数据。②在思维方式方面，大数据具有“全样而非抽样、效率而非精确、相关而非因果”等三大显著特征，完全颠覆了传统的思维方式。③在社会发展方面，大数据决策逐渐成为一种新的决策方式，大数据应用有力促进了信息技术与各行业的深度融合，大数据开发大大推动了新技术和新应用的不断涌现。大数据科学大数据技术及相应的基础研究已经成为科技界的研究热点，大数据科学作为一个横跨信息科学、社会科学、网络科学、系统科学、心理学、经济学等诸多领域的新兴交叉学科方向正在逐步形成。计算机科学是关于算法的科学，数据科学是关于数据的科学。大数据面临的科学问题本质上可能就是网络科学问题，复杂网络分析应该是数据科学的重要基石。大数据研究不同于传统的逻辑推理研究，而是对数量巨大的数据做统计性的搜索、比较、聚类、分类等分析归纳，因此继承了统计科学的特点。数据科学家对于数据科学家的关注，源于Google、亚马逊、Facebook、阿里巴巴等公司成功的背后拥有这样一批专业人才。所谓数据科学家:是指运用统计分析、机器学习、分布式处理等技术，从大量数据中提取出对业务有意义的信息，以易懂的形式传达给决策者，并创造出新的数据运用服务的人才。数据科学家已经誉为“今后10年IT行业最重要的人才”。1.4大数据的应用大数据应用无处不在，包括金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业。1.5大数据关键技术表1-5大数据技术的不同层面及其功能技术层面功能数据采集利用ETL工具将分布的、异构数据源中的数据如关系数据、平面数据文件等，抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础；或者也可以把实时采集的数据作为流计算系统的输入，进行实时处理分析数据存储和管理利用分布式文件系统、数据仓库、关系数据库、NoSQL数据库、云数据库等，实现对结构化、半结构化和非结构化海量数据的存储和管理数据处理与分析利用分布式并行编程模型和计算框架，结合机器学习和数据挖掘算法，实现对海量数据的处理和分析；对分析结果进行可视化呈现，帮助人们更好地理解数据、分析数据数据隐私和安全在从大数据中挖掘潜在的巨大商业价值和学术价值的同时，构建隐私数据保护体系和数据安全体系，有效保护个人隐私和数据安全1.6大数据计算模式大数据计算模式解决问题代表产品批处理计算针对大规模数据的批量处理MapReduce、Spark等流计算针对流数据的实时计算Storm、S4、Flume、Streams、Puma、DStream、SuperMario、银河流数据处理平台等图计算针对大规模图结构数据的处理Pregel、GraphX、Giraph、PowerGraph、Hama、GoldenOrb等查询分析计算大规模数据的存储管理和查询分析Dremel、Hive、Cassandra、Impala等表1-3大数据计算模式及其代表产品1.7大数据产业大数据产业是指一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合。产业链环节包含内容IT基础设施层包括提供硬件、软件、网络等基础设施以及提供咨询、规划和系统集成服务的企业，比如，提供数据中心解决方案的IBM、惠普和戴尔等，提供存储解决方案的EMC，提供虚拟化管理软件的微软、思杰、SUN、Redhat等数据源层大数据生态圈里的数据提供者，是生物大数据（生物信息学领域的各类研究机构）、交通大数据（交通主管部门）、医疗大数据（各大医院、体检机构）、政务大数据（政府部门）、电商大数据（淘宝、天猫、苏宁云商、京东等电商）、社交网络大数据（微博、微信、人人网等）、搜索引擎大数据（百度、谷歌等）等各种数据的来源数据管理层包括数据抽取、转换、存储和管理等服务的各类企业或产品，比如分布式文件系统（如Hadoop的HDFS和谷歌的GFS）、ETL工具（Informatica、Datastage、Kettle等）、数据库和数据仓库（Oracle、MySQL、SQLServer、HBase、GreenPlum等）数据分析层包括提供分布式计算、数据挖掘、统计分析等服务的各类企业或产品，比如，分布式计算框架MapReduce、统计分析软件SPSS和SAS、数据挖掘工具Weka、数据可视化工具Tableau、BI工具（MicroStrategy、Cognos、BO）等等数据平台层包括提供数据分享平台、数据分析平台、数据租售平台等服务的企业或产品，比如阿里巴巴、谷歌、中国电信、百度等数据应用层提供智能交通、智慧医疗、智能物流、智能电网等行业应用的企业、机构或政府部门，比如交通主管部门、各大医疗机构、菜鸟网络、国家电网等1.8大数据与云计算、物联网的关系云计算、大数据和物联网代表了IT领域最新的技术发展趋势，三者相辅相成，既有联系又有区别云计算大数据物联网物联网是大数据的重要来源大数据技术为物联网数据分析提供支撑云计算为大数据提供了技术基础大数据为云计算提供用武之地云计算为物联网提供海量数据存储能力物联网为云计算技术提供了广阔的应用空间云计算实现了通过网络提供可伸缩的、廉价的分布式计算能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源。云类型：公有云、私有云和混合云。服务模式：SaaS(软件即服务，应用层)、PaaS(平台即服务，平台层)、IaaS（基础设施即服务，基础设施层）。云计算关键技术：包括虚拟化、分布式存储、分布式计算、多租户等。云计算数据中心是一整套复杂的设施，包括刀片服务器、宽带网络连接、环境控制设备、监控设备以及各种安全装置等。云应用：政府云、教育云、医疗云，等等。物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化和远程管理控制。应用层智能交通智能电网智慧农业智能工业智能家居智慧医疗网络层电信网处理层业务支撑平台（中间件平台）服务支撑平台感知层RFID网络RFID标签和读写器M2M终端导航定位网络管理平台信息处理平台信息安全平台互联网广电网电网专用网其他网传感器网络二维码标签传感器摄像头完整的物联网产业链主要包括核心感应器件提供商、感知层末端设备提供商、网络提供商、软件与行业解决方案提供商、系统集成商、运营及服务提供商等六大环节。信息采集数据传输数据处理核心感应器件提供商感知层末端设备提供商网络提供商软件与系统解决方案提供商系统集成商运营及服务提供商二维码提供商RFID及读写机具提供商传感器提供商智能仪器仪表提供商射频识别设备提供商传感系统及设备提供商智能控制系统及设备提供商GPS设备提供商末端网络产品提供商电信