1. 什麼是大數據,通俗的講

有人說大數據技術是第四次技術革命，這個說法其實不為過。
很多人只是聽過大數據這個詞或者是簡單知道它是什麼，那麼它是什麼呢，在這里就通俗點來說一下個人對大數據的理解。
大數據，很明顯從字面上理解就是大量的數據，海量的數據。大，意思就是數據的量級很大，不上TB都不好意思說是大數據。數據，狹義上理解就是12345那麼些數據，畢竟計算機底層是二進制來存的，那麼在大數據領域，數據就不僅僅包括數字這些，它可以是所有格式的東西，比如日誌，音頻視頻，文件等等。
所以，大數據從字面上理解就是海量的數據，技術上它包括這些海量數據的採集，過濾，清洗，存儲，處理，查看等等部分，每一個部分包括一些大數據的相關技術框架來支持。
舉個例子，淘寶雙十一的總交易額的顯示，後面就是大數據技術的支持，全國那麼多淘寶用戶的交易記錄匯聚到一起，數據量很大，而且要做到實時的展現，就需要強有力的大數據技術來處理了。
數據量一大，那麼得找地方來存，一個伺服器硬碟可以掛多少，肯定滿足不了這么大的數據量存儲啊，所以，分布式的存儲系統應運而生，那就是HDFS分布式文件系統。簡單的說，就是把這么大的數據分開存在甚至幾百甚至幾千台伺服器上，那麼管理他們的系統就是HDFS文件系統，也是大數據技術的最基本的組件。
有地方存了，需要一些分布式的資料庫來管理查詢啊，那就有了Hbase等，還需要一些組件來計算分析這些數據啊，maprece是最基本的計算框架，其他的計算框架Spark和Storm可以完成實時的處理，其中HDFS和MapRece組成了Hadoop1.
總之，一切都是數據。我們的歷史，是不是都是大量的數據保存下來的，現在我們也是大數據的生活，天天有沒有接到騷擾電話還知道你姓什麼，你查話費什麼的從幾億人的數據中查到你的信息，大數據生活。未來，大數據將更深刻的滲透到生活中。

2. 現在是個互聯網時代是個大數據時代，做什麼最適合IT人呢

現在IT很多方面的工作都很吃香啊，但是你也清楚互聯網是個是個大數據的時代，只要把一門技術鑽研做好就可以了，在一個領域上有所發展就挺好的。

3. 大數據背後都用到了哪些技術

這個展望大數據專家委這是做的第四次，從之前2012年底做的2013年的展望，即會做下一年的預測，這個預測是調研方式就是大數據專家委一百多位委員內部進行這樣的一個觀點徵集、匯總，最後進行投票和去年一樣，同時邀請中國大數據產業聯盟的會員參與到最後的投票環節，今年總共投票的專家是116位，從這116位專家投票中形成了下述的結果。

根據今年大數據專家委列出的2016大數據產業技術發展的十大趨勢，從這裡面我們簡單解讀為他出現了這樣四個重點的關鍵字，一個是民生相關的應用，因為應用很多，應用驅動大數據，因此民生相關的大數據可能會得到更快的發展，第二就是多樣性和融合性，不管是技術、產業等等各方面會出現多樣融合的狀況，另外第三個就是政策拉動，第四總是呼籲各個層面出現多樣的生態，簡單對這十各方面稍微做一個解釋。

第一，可視化技術。作為匯總整理的時候這也是給了工作組一個很大的意外，做了這樣一個解讀，我們認為可視化作為技術形態能夠排到第一，其實背後隱藏著大數據的貧民化。普通老百姓和常規的決策者能夠更好的理解大數據的效果和價值，所以能夠擺在這么重的位置，不僅僅可視化的形態，也包括可視化的分析，這是排在第一的趨勢。

第二，多學科融合。大家對學科的發展非常關注，預測排在第二位是多學科融合，大家認為數據科學的雛形已經出現了，從表現形式來看，很多相關的數據，科學的研究院，專門的實驗室，也可以看到這樣的學科逐漸的完備，可能會逐漸的出現，當然本身確實也是交叉性的學科，是多學科融合的產物，所以從事大數據研究不僅僅是計算機領域的科學家，也包括數學等等方面的科學家參與到整個大數據前沿的研究中。

第三，大數據的安全和隱私持續受到關注。從現在大數據的發展情況來說，應該說針對大數據的威脅和大數據所產生的副作用，以及大數據發展中的障礙會逐漸成為大數據領域所要關注的點。針對大數據的攻擊現在沒有大規模的報道，但是隱憂已經令大家擔憂。隱私大數據所帶來的副作用，原來的隱私我們接受的程度，有了大數據之後隱私接受程度發生了很大的變化。由於大家對大數據的安全等等相關的問題的擔憂阻礙我們在大數據的發展上的投入，這也是阻礙大數據發展的問題。

4. 近期黃金走高的背後推手是什麼

沙特事件不斷傳出新消息，市場情緒較為復雜，黃金作為避險資產走勢震盪。

5. 幕後推手是什麼意思

是指在事件的背後進行計劃和操作的人或集團。

一般都說壞人。

6. 「幕後推手」是什麼意思，誰發明的這詞

是指在事件的背後進行計劃和操作的人或集團。

一般都說壞人。

不知道誰發明的這個詞。

7. 簡要描述大數據產生背後的技術原因急！

大數據技術的發展，歷經了多個階段，而真正大數據技術開始成熟，是來自於專Google在2004年提出了的分布式數據系統（屬Google file system，GFS）、分布式計算系統MapRece和分布式資料庫BigTable，基於這套體系，大數據處理技術開始走向成熟。
2014年以後，整體大數據的技術棧已經趨於穩定，由於雲計算、人工智慧等技術發展，還有晶元、內存端的變化，大數據技術也在發生相應的變化。
最早大數據生態沒有辦法統一批處理和流計算，只能採用Lambda架構，批的任務用批計算引擎，流式任務採用流計算引擎，比如批處理採用MapRece，流計算採用Storm。
後來Spark試圖從批的角度統一流處理和批處理，Spark Streaming採用了micro-bach的思路來處理流數據。近年來純流架構的Flink異軍突起，由於其架構設計合理，生態健康，近年來發展特別快。而Spark近期也拋棄了自身微批處理的架構，轉向了純流架構Structure Streaming，未來霸主還未見分曉。