大數(shù)據(jù)要學(xué)習(xí)什么

第頁(yè)大數(shù)據(jù)要學(xué)習(xí)什么世界包涵的多得難以想象的數(shù)字化信息變得更多更快從商業(yè)到科學(xué)，從政府到藝術(shù)，這種影響無(wú)處不在?？茖W(xué)家和計(jì)算機(jī)工程師們給這種現(xiàn)象創(chuàng)造了一個(gè)新名詞："〔大數(shù)據(jù)〕'。大數(shù)據(jù)時(shí)代什么意思?大數(shù)據(jù)概念什么意思?大數(shù)據(jù)分析什么意思?所謂大數(shù)據(jù)，他的來(lái)源在哪里，講了那么多，那么數(shù)據(jù)挖掘是什么呢?以下是我為你整理的大數(shù)據(jù)要學(xué)習(xí)什么

大數(shù)據(jù)下的數(shù)據(jù)挖掘

數(shù)據(jù)挖掘：在大型數(shù)據(jù)庫(kù)中，通過(guò)分析發(fā)現(xiàn)有用信息的過(guò)程。在前篇文章中說(shuō)到大數(shù)據(jù)的存儲(chǔ)等問(wèn)題，面臨新的數(shù)據(jù)集帶來(lái)的問(wèn)題時(shí)，傳統(tǒng)的數(shù)據(jù)分析技術(shù)往往會(huì)碰到很多實(shí)際困難。下面我們來(lái)說(shuō)一下具體的問(wèn)題。

可伸縮：如果數(shù)據(jù)挖掘算法要處理海量數(shù)據(jù)集，則算法必須是可伸縮的(scalable)許多的數(shù)據(jù)挖掘算法使用特別的搜索策略處理指數(shù)級(jí)搜索問(wèn)題。為實(shí)現(xiàn)可伸縮可能還必須要實(shí)現(xiàn)新的數(shù)據(jù)結(jié)構(gòu)，才干有效的訪問(wèn)每個(gè)記錄。

高維性：現(xiàn)在，經(jīng)常碰到具有成敗上千屬性的數(shù)據(jù)集，而不是幾十年前的只具備少量屬性的數(shù)據(jù)集。

異種數(shù)據(jù)和復(fù)雜數(shù)據(jù)：通常狀況下，傳統(tǒng)的數(shù)據(jù)分析方法只處理包涵相同類(lèi)型屬性的數(shù)據(jù)集，或者是連續(xù)的，或者是分類(lèi)的。隨著數(shù)據(jù)挖掘在商務(wù)、科學(xué)、醫(yī)學(xué)和其他領(lǐng)域的作用越來(lái)越大，越來(lái)越必須要處理異種屬性的技術(shù)。近年來(lái)，已經(jīng)出現(xiàn)了更復(fù)雜的數(shù)據(jù)對(duì)象。這些非傳統(tǒng)的數(shù)據(jù)類(lèi)型的例子有：含有半結(jié)構(gòu)話(huà)文本和超鏈接的Web葉面集、具有序列和三維結(jié)構(gòu)的DNA數(shù)據(jù)、包涵地球表面不同位置上的時(shí)間序列測(cè)量值的氣象數(shù)據(jù)等等。

數(shù)據(jù)的所有權(quán)與分布：有時(shí)，必須要分析的數(shù)據(jù)并非存放在一個(gè)站點(diǎn)，或者歸屬一個(gè)機(jī)構(gòu)，而是地理上分布在屬于多個(gè)機(jī)構(gòu)的資源中。這就必須要開(kāi)發(fā)分布式數(shù)據(jù)挖掘技術(shù)。分布式數(shù)據(jù)挖掘算法面臨的主要挑戰(zhàn)包括：(1)如何降低執(zhí)行分布式計(jì)算的通信量?(2)如何有效的同意從多個(gè)資源得到的數(shù)據(jù)挖掘結(jié)果?(3)如何處理數(shù)據(jù)安全性問(wèn)題?

大數(shù)據(jù)的安全問(wèn)題

大數(shù)據(jù)遭受異常流量攻擊大數(shù)據(jù)所存儲(chǔ)的數(shù)據(jù)非常龐大，往往采納分布式的方式進(jìn)行存儲(chǔ)，而正是由于這種存儲(chǔ)方式，存儲(chǔ)的路徑視圖相對(duì)清楚，而數(shù)據(jù)量過(guò)大，導(dǎo)致數(shù)據(jù)保護(hù)，相對(duì)簡(jiǎn)單，黑客較為輕易利用相關(guān)漏洞，實(shí)施不法操作，造成安全問(wèn)題。由于大數(shù)據(jù)環(huán)境下終端用戶(hù)非常多，且受眾類(lèi)型較多，對(duì)客戶(hù)身份的認(rèn)證環(huán)節(jié)必須要耗費(fèi)大量處理能力。由于APT攻擊具有很強(qiáng)的針對(duì)性，且攻擊時(shí)間長(zhǎng)，一旦攻擊成功，大數(shù)據(jù)分析平臺(tái)輸出的最終數(shù)據(jù)均會(huì)被獲取，容易造成的較大的信息安全隱患。

大數(shù)據(jù)平臺(tái)的信息泄露風(fēng)險(xiǎn)在對(duì)大數(shù)據(jù)進(jìn)行數(shù)據(jù)采集和信息挖掘的時(shí)候，要注重用戶(hù)隱私數(shù)據(jù)的安全問(wèn)題，在不泄露用戶(hù)隱私數(shù)據(jù)的前提下進(jìn)行數(shù)據(jù)挖掘。必須要合計(jì)的是在分布計(jì)算的信息傳輸和數(shù)據(jù)交換時(shí)確保各個(gè)存儲(chǔ)點(diǎn)內(nèi)的用戶(hù)隱私數(shù)據(jù)不被非法泄露和使用是當(dāng)前大數(shù)據(jù)背景下信息安全的主要問(wèn)題。同時(shí)，當(dāng)前的大數(shù)據(jù)數(shù)據(jù)量并不是固定的，而是在應(yīng)用過(guò)程中動(dòng)態(tài)增加的，但是，傳統(tǒng)的數(shù)據(jù)隱私保護(hù)技術(shù)大多是針對(duì)靜態(tài)數(shù)據(jù)的，所以，如何有效地應(yīng)對(duì)大數(shù)據(jù)動(dòng)態(tài)數(shù)據(jù)屬性和表現(xiàn)形式的數(shù)據(jù)隱私保護(hù)也是要注重的安全問(wèn)題。最后，大數(shù)據(jù)的數(shù)據(jù)遠(yuǎn)比傳統(tǒng)數(shù)據(jù)復(fù)雜，現(xiàn)有的敏感數(shù)據(jù)的隱私保護(hù)是否能夠滿(mǎn)足大數(shù)據(jù)復(fù)雜的數(shù)據(jù)信息也是應(yīng)該合計(jì)的安全問(wèn)題。

大數(shù)據(jù)的存儲(chǔ)〔管理〕風(fēng)險(xiǎn)大數(shù)據(jù)的數(shù)據(jù)類(lèi)型和數(shù)據(jù)結(jié)構(gòu)是傳統(tǒng)數(shù)據(jù)不能比擬的，在大數(shù)據(jù)的存儲(chǔ)平臺(tái)上，數(shù)據(jù)量是非線(xiàn)性甚至是指數(shù)級(jí)的速度增長(zhǎng)的，各種類(lèi)型和各種結(jié)構(gòu)的數(shù)據(jù)進(jìn)行數(shù)據(jù)存儲(chǔ)，勢(shì)必會(huì)引發(fā)多種應(yīng)用進(jìn)程的并發(fā)且頻繁無(wú)序的運(yùn)行，極易造成數(shù)據(jù)存儲(chǔ)錯(cuò)位和數(shù)據(jù)管理混亂，為大數(shù)據(jù)存儲(chǔ)和后期的處理帶來(lái)安全隱患。當(dāng)前的數(shù)據(jù)存儲(chǔ)管理系統(tǒng)，能否滿(mǎn)足大數(shù)據(jù)背景下的海量數(shù)據(jù)的數(shù)據(jù)存儲(chǔ)必須求，還有待考驗(yàn)。不過(guò)，如果數(shù)據(jù)管理系統(tǒng)沒(méi)有相應(yīng)的安全機(jī)制升級(jí)，出現(xiàn)問(wèn)題后則為時(shí)已晚。

用大數(shù)據(jù)寫(xiě)微信文章

談到寫(xiě)微信文章，不少人都提到一些經(jīng)驗(yàn)之談，諸如圖文消息標(biāo)題長(zhǎng)度盡量不要超過(guò)13個(gè)漢字;多用疑問(wèn)和感嘆句標(biāo)題，標(biāo)題中多包涵數(shù)字等。那么這些說(shuō)法是否有科學(xué)依據(jù)呢?

從樣本文章標(biāo)題的字符數(shù)統(tǒng)計(jì)來(lái)看，顯然大家并未嚴(yán)格遵守"13字'法則，樣本文章的標(biāo)題字符集中于11個(gè)到27個(gè)之間。同樣的，文章平均閱讀量與標(biāo)題字符數(shù)之間也并未浮現(xiàn)出顯然的相關(guān)性。

那是否標(biāo)題中多設(shè)問(wèn)、多用感嘆句就能吸引人，加一些關(guān)鍵詞標(biāo)注符號(hào)就更能抓人眼球?下面是樣本標(biāo)題中使用符號(hào)的統(tǒng)計(jì)數(shù)據(jù)，大家可以看看是否如此。

從標(biāo)點(diǎn)符號(hào)的使用來(lái)看，確實(shí)有不少人信奉這一訣竅，標(biāo)題中使用最多的是"?'、"!'、"【】'，這種以駭人的設(shè)問(wèn)、質(zhì)問(wèn)方式招徠關(guān)注的方式，甚至已經(jīng)成為了一些公號(hào)寫(xiě)的習(xí)慣。而從文章標(biāo)題的詞頻分析中，我們可以看到有些詞匯會(huì)讓文章顯得"噱頭'十足，從中我們能夠看到更多的閱讀吸引點(diǎn)。

從統(tǒng)計(jì)可以看出，當(dāng)期傳播熱詞"任性'、"有錢(qián)'出現(xiàn)頻率最高，顯示出文章希望借助網(wǎng)絡(luò)熱詞推銷(xiāo)自己文章的意圖較為顯然。但是沒(méi)有顯然的數(shù)據(jù)支持，說(shuō)明跟熱詞"沾邊'就一定能夠獲得較高的點(diǎn)擊量。還是要憑文章本身的內(nèi)容博得關(guān)注。

在微信中，我們常常會(huì)看到各種以"10大'、"五個(gè)'、"三句話(huà)'等為標(biāo)題的抓人文章(這是否也算是一種排榜的形式呢?)這樣的操作手法同樣也被認(rèn)為是吸引閱讀的經(jīng)驗(yàn)之談。在我們的樣本中，有近四成的文章運(yùn)用到了此方法，而我們對(duì)這437篇文章進(jìn)行統(tǒng)計(jì)計(jì)算，得到的平均閱讀數(shù)為7795次，低于全部樣本文章的平均閱讀數(shù)9607次。

DBA在大數(shù)據(jù)時(shí)代的發(fā)展前景

成為一個(gè)DBA表面上"僅'必須要SQL語(yǔ)言和數(shù)據(jù)庫(kù)基礎(chǔ)管理的知識(shí)，所以造成了從業(yè)者良莠不齊，舉一個(gè)極端的例子，我有一個(gè)留級(jí)兩年的同學(xué)勉強(qiáng)拿到畢業(yè)證后就從事了DBA。然而理論跟實(shí)際相差甚遠(yuǎn)，模擬的環(huán)境根本達(dá)不到線(xiàn)上要求的多用戶(hù)、高并發(fā)等壓力，僅在課堂上和自學(xué)是不能成為一個(gè)合格的DBA的，合格的DBA必須在企業(yè)中的實(shí)戰(zhàn)中走出來(lái)。一個(gè)合格的DBA必須掌握Linux基本命令和操作、數(shù)據(jù)庫(kù)備份和恢復(fù)、SQL優(yōu)化、數(shù)據(jù)庫(kù)性能優(yōu)化和至少一門(mén)腳本語(yǔ)言(如Python)。

移動(dòng)互聯(lián)網(wǎng)時(shí)代雨后春筍般誕生的創(chuàng)業(yè)公司給人一種DBA的角色性變?nèi)醯腻e(cuò)覺(jué)，其實(shí)任何IT公司做大后都離不開(kāi)DBA這個(gè)崗位。DBA的發(fā)展前景一直很不錯(cuò)，尤其在大數(shù)據(jù)的時(shí)代里，原本就一直存在的性能問(wèn)題和安全問(wèn)題會(huì)更加特別，這意味著企業(yè)對(duì)DBA人才的必須求會(huì)越來(lái)越旺盛，同時(shí)這也意味著DBA會(huì)面臨比以往更多樣化的困難和更嚴(yán)峻的挑戰(zhàn)。加上近年來(lái)的大規(guī)模集群和自動(dòng)化運(yùn)維，很多以前手工維護(hù)的工作現(xiàn)在都可以通過(guò)一系列自動(dòng)工具來(lái)完成，無(wú)論讓只會(huì)增刪改查的DBA