大數(shù)據(jù)分析的技術(shù)

大數(shù)據(jù)分析的技術(shù)

1、了解什么是大數(shù)據(jù)分析技術(shù)

1、數(shù)據(jù)采集

2、數(shù)據(jù)管理

3、數(shù)據(jù)存儲(chǔ)

數(shù)據(jù)采集

大數(shù)據(jù)的采集是指利用多個(gè)數(shù)據(jù)庫(kù)來(lái)接收發(fā)自客戶端（Web、App或者傳感器形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫(kù)來(lái)進(jìn)行簡(jiǎn)單的查詢和處理工作。例如，電商會(huì)使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)MySQL和Oracle等來(lái)存儲(chǔ)每一筆事務(wù)數(shù)據(jù)或者也可以通過爬蟲來(lái)爬取暴露在互聯(lián)網(wǎng)上的數(shù)據(jù)。數(shù)據(jù)采集網(wǎng)絡(luò)爬蟲

是一種按照一定的規(guī)則，自動(dòng)地抓取萬(wàn)維網(wǎng)信息的程序或者腳本，它們被廣泛用于互聯(lián)網(wǎng)搜索引擎或其他類似網(wǎng)站，可以自動(dòng)采集所有其能夠訪問到的頁(yè)面內(nèi)容，以獲取或更新這些網(wǎng)站的內(nèi)容和檢索方式。數(shù)據(jù)采集數(shù)據(jù)管理

對(duì)大數(shù)據(jù)進(jìn)行分析的基礎(chǔ)是對(duì)大數(shù)據(jù)進(jìn)行有效的管理，使大數(shù)據(jù)“存得下、查得出”，并且為大數(shù)據(jù)的高效分析提供基本數(shù)據(jù)操作（比如Join和聚集操作等），實(shí)現(xiàn)數(shù)據(jù)有效管理的關(guān)鍵是數(shù)據(jù)組織。我們可以通過Hive進(jìn)行數(shù)據(jù)管理。數(shù)據(jù)管理數(shù)據(jù)文件管理

文件管理的真諦在于方便保存和迅速提取，所有的數(shù)據(jù)文件將通過某種屬性（比如業(yè)務(wù)、時(shí)間）分類被很好地組織起來(lái)，放在最能方便找到的地方。解決這個(gè)問題目前最理想的方法就是分類管理。數(shù)據(jù)管理數(shù)據(jù)存儲(chǔ)基礎(chǔ)架構(gòu)

從更底層來(lái)看，對(duì)大數(shù)據(jù)進(jìn)行分析還需要高性能的計(jì)算架構(gòu)和存儲(chǔ)系統(tǒng)。例如用于分布式計(jì)算的MapReduce計(jì)算框架、Spark計(jì)算框架，用于大規(guī)模數(shù)據(jù)協(xié)同工作的分布式文件存儲(chǔ)HDFS等。

數(shù)據(jù)存儲(chǔ)HDFS