1. 你好，我想問一下，大數據的數據來源有哪些方面

所有聯網的東西， 電腦、手機、ipad、智能手錶、智能電器.... 包括我們人也是數據的來回源，社會就可以比答喻成一個超大的資料庫，我們每個人都是這個資料庫的數據來源，每天幾點起床、吃飯、運動等等都是數據。 只不過數據歸數據，如果用不起來這些數據，那這么多數據就沒有用

2. 都在說大數據，數據有什麼用啊

大數據（big data），IT行業術語，是指無法在一定時間范圍內用常規軟體工具進行捕捉、管版理權和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

3. 大數據常用哪些資料庫

通常資料庫分為關系型資料庫和非關系型資料庫，關系型資料庫的優勢到現在也是無可替代的，比如MySQL、SQL Server、Oracle、DB2、SyBase、Informix、PostgreSQL以及比較小型的Access等等資料庫，這些資料庫支持復雜的SQL操作和事務機制，適合小量數據讀寫場景；但是到了大數據時代，人們更多的數據和物聯網加入的數據已經超出了關系資料庫的承載范圍。

大數據時代初期，隨著數據請求並發量大不斷增大，一般都是採用的集群同步數據的方式處理，就是將資料庫分成了很多的小庫，每個資料庫的數據內容是不變的，都是保存了源資料庫的數據副本，通過同步或者非同步方式保證數據的一致性，每個庫設定特定的讀寫方式，比如主資料庫負責寫操作，從資料庫是負責讀操作，等等根據業務復雜程度以此類推，將業務在物理層面上進行了分離，但是這種方式依舊存在一定的負載壓力的問題，企業數據在不斷的擴增中，後面就採用分庫分表的方式解決，對讀寫負載進行分離，但是這種實現依舊存在不足，且需要不斷進行資料庫伺服器擴容。
NoSQL資料庫大致分為5種類型

1、列族資料庫：BigTable、HBase、Cassandra、Amazon SimpleDB、HadoopDB等，下面簡單介紹幾個

（1）Cassandra：Cassandra是一個列存儲資料庫，支持跨數據中心的數據復制。它的數據模型提供列索引，log-structured修改，支持反規范化，實體化視圖和嵌入超高速緩存。

（2）HBase：Apache Hbase源於Google的Bigtable，是一個開源、分布式、面向列存儲的模型。在Hadoop和HDFS之上提供了像Bigtable一樣的功能。

（3）Amazon SimpleDB：Amazon SimpleDB是一個非關系型數據存儲，它卸下資料庫管理的工作。開發者使用Web服務請求存儲和查詢數據項

（4）Apache Accumulo：Apache Accumulo的有序的、分布式鍵值數據存儲，基於Google的BigTable設計，建立在Apache Hadoop、Zookeeper和Thrift技術之上。

（5）Hypertable：Hypertable是一個開源、可擴展的資料庫，模仿Bigtable，支持分片。

（6）Azure Tables：Windows Azure Table Storage Service為要求大量非結構化數據存儲的應用提供NoSQL性能。表能夠自動擴展到TB級別，能通過REST和Managed API訪問。

2、鍵值資料庫：Redis、SimpleDB、Scalaris、Memcached等，下面簡單介紹幾個

（1）Riak：Riak是一個開源，分布式鍵值資料庫，支持數據復制和容錯。（2）Redis：Redis是一個開源的鍵值存儲。支持主從式復制、事務，Pub/Sub、Lua腳本，還支持給Key添加時限。

（3）Dynamo：Dynamo是一個鍵值分布式數據存儲。它直接由亞馬遜Dynamo資料庫實現；在亞馬遜S3產品中使用。

（4）Oracle NoSQL Database：來自Oracle的鍵值NoSQL資料庫。它支持事務ACID（原子性、一致性、持久性和獨立性）和JSON。

（5）Oracle NoSQL Database：具備數據備份和分布式鍵值存儲系統。

（6）Voldemort：具備數據備份和分布式鍵值存儲系統。

（7）Aerospike：Aerospike資料庫是一個鍵值存儲，支持混合內存架構，通過強一致性和可調一致性保證數據的完整性。

3、文檔資料庫：MongoDB、CouchDB、Perservere、Terrastore、RavenDB等，下面簡單介紹幾個

（1）MongoDB：開源、面向文檔，也是當下最人氣的NoSQL資料庫。

（2）CounchDB：Apache CounchDB是一個使用JSON的文檔資料庫，使用Javascript做MapRece查詢，以及一個使用HTTP的API。

（3）Couchbase：NoSQL文檔資料庫基於JSON模型。

（4）RavenDB：RavenDB是一個基於.NET語言的面向文檔資料庫。

（5）MarkLogic：MarkLogic NoSQL資料庫用來存儲基於XML和以文檔為中心的信息，支持靈活的模式。

4、圖資料庫：Neo4J、InfoGrid、OrientDB、GraphDB，下面簡單介紹幾個

（1）Neo4j：Neo4j是一個圖資料庫；支持ACID事務（原子性、獨立性、持久性和一致性）。

（2）InfiniteGraph：一個圖資料庫用來維持和遍歷對象間的關系，支持分布式數據存儲。

（3）AllegroGraph：AllegroGraph是結合使用了內存和磁碟，提供了高可擴展性，支持SPARQ、RDFS++和Prolog推理。

5、內存數據網格：Hazelcast、Oracle Coherence、Terracotta BigMemorry、GemFire、Infinispan、GridGain、GigaSpaces，下面簡單介紹幾個

（1）Hazelcast：Hazelcast CE是一個開源數據分布平台，它允許開發者在資料庫集群之上共享和分割數據。

（2）Oracle Coherence：Oracle的內存數據網格解決方案提供了常用數據的快速訪問能力，一致性支持事務處理能力和數據的動態劃分。

（3）Terracotta BigMemory：來自Terracotta的分布式內存管理解決方案。這項產品包括一個Ehcache界面、Terracotta管理控制台和BigMemory-Hadoop連接器。

（4）GemFire：Vmware vFabric GemFire是一個分布式數據管理平台，也是一個分布式的數據網格平台，支持內存數據管理、復制、劃分、數據識別路由和連續查詢。

（5）Infinispan：Infinispan是一個基於Java的開源鍵值NoSQL數據存儲，和分布式數據節點平台，支持事務，peer-to-peer 及client/server 架構。

（6）GridGain：分布式、面向對象、基於內存、SQL+NoSQL鍵值資料庫。支持ACID事務。

（7）GigaSpaces：GigaSpaces內存數據網格能夠充當應用的記錄系統，並支持各種各樣的高速緩存場景。

4. 數據挖掘和大數據、OLAP、數據統計

我們在大數據領域中總是聽說過數據挖掘、OLAP、數據統計等等的專業詞彙。但是很多人對這些詞彙不是很理解，在這篇文章中我們給大家介紹一下數據挖掘與大數據、OLAP、數據統計的相關知識，旨在幫助大家初步地理解這些技術。
1.數據分析的層面
數據分析是一個大的概念，理論上任何對數據進行計算、處理從而得出一些有意義的結論的過程，都叫數據分析。從數據本身的復雜程度、以及對數據進行處理的復雜度和深度來看，可以把數據分析分為4個層次，分別是數據統計、OLAP、數據挖掘、大數據。
2.數據統計
數據統計就是最基本、最傳統的數據分析，自古有之。是指通過統計學方法對數據進行排序、篩選、運算、統計等處理，從而得出一些有意義的結論。
3.OLAP
OLAP就是聯機分析處理（On-Line Analytical Processing，OLAP）是指基於數據倉庫的在線多維統計分析。它允許用戶在線地從多個維度觀察某個度量值，從而為決策提供支持。OLAP更進一步告訴你下一步會怎麼樣，如果我採取這樣的措施又會怎麼樣。
4.數據挖掘
數據挖掘是指從海量數據中找到人們未知的、可能有用的、隱藏的規則，可以通過關聯分析、聚類分析、時序分析等各種演算法發現一些無法通過觀察圖表得出的深層次原因。針對此可以採取有針對性的管理措施。
5.大數據
大數據是指用現有的計算機軟硬體設施難以採集、存儲、管理、分析和使用的超大規模的數據集。大數據具有規模大、種類雜、快速化、價值密度低等特點。大數據的「大」是一個相對概念，沒有具體標准，如果一定要給一個標准，那麼10-100TB通常稱為大數據的門檻。
由此可見，從數據分析的角度來看，目前絕大多數學校的數據應用產品都還處在數據統計和報表分析的階段，能夠實現有效的OLAP分析與數據挖掘的還很少，而能夠達到大數據應用階段的非常少，至少還沒有用過有效的大數據集。
關於數據挖掘與大數據、OLAP、數據統計的相關知識我們就給大家簡單介紹到這里了，其實這些知識並不是我們說的那麼簡單，我們要真正好好理解這些知識才能夠更好地了解數據分析，掌握數據分析。

5. 多大的數據是大數據

其實首先你要區分大數據和大數據量的概念。大數據量只是一個純粹的數據量級的問題，而現在大家所談論的大數據主要包括搜索、新聞、博客、微博等社交網、行動電話和簡訊、熱線電話和監控數據、通測數據等等。這些數據大多數為我們日常社交生活或是語音通信時產生。通常為TB級別，非結構化數據。而TB級別的數據用excel或者其他數據分析工具是很難展現處理的，這時就需要BI工具來應對大數據。FineBI針對大數據有專門的大數據量解決方案，可以去它的官網看看，就不附鏈接了

6. 大數據的通俗解釋

大數據是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理回的數據集合，是需要答新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

數據可以以多種形式被記錄，記錄的方式也是多種多樣，走過的路是否被導航軟體記錄，在外面吃東西使用手機點單或者支付那麼吃什麼就被記錄了，所有被記錄的數據最終都會以機器代碼存儲於伺服器，用於後續分析和查詢。

(6)大數據mark數據擴展閱讀

大數據技術的戰略意義不在於掌握龐大的數據信息，而在於對這些含有意義的數據進行專業化處理。換而言之，如果把大數據比作一種產業，那麼這種產業實現盈利的關鍵，在於提高對數據的「加工能力」，通過「加工」實現數據的「增值」。

從技術上看，大數據與雲計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單台的計算機進行處理，必須採用分布式架構。它的特色在於對海量數據進行分布式數據挖掘。但它必須依託雲計算的分布式處理、分布式資料庫和雲存儲、虛擬化技術。