大數(shù)據(jù)技術(shù)發(fā)展到目前已經(jīng)經(jīng)歷了幾個(gè)階段，在很多企業(yè)都已經(jīng)形成了相對成熟穩(wěn)定的架構(gòu)，如何了解其發(fā)展中的概況。以下是小編為你整理的大數(shù)據(jù)是學(xué)什么的 ?

大數(shù)據(jù)系統(tǒng)的演化歷程包括：解決數(shù)據(jù)規(guī)模問題，解決使用門檻問題，解決計(jì)算延遲問題，解決復(fù)雜場景問題。 ?

大數(shù)據(jù)的整體架構(gòu)可以按以下分層：數(shù)據(jù)源、數(shù)據(jù)采集Agent、數(shù)據(jù)存儲、數(shù)據(jù)計(jì)算和數(shù)據(jù)應(yīng)用。 ?

數(shù)據(jù)源從內(nèi)部來講一般來自于企業(yè)的各個(gè)數(shù)據(jù)中心，外部一般從互聯(lián)網(wǎng)獲取，也可能與其他企業(yè)或機(jī)構(gòu)通過交換傳輸。

數(shù)據(jù)的采集通常有批處理的傳送，或者基于kafka等組件的實(shí)時(shí)接口，采集要確保準(zhǔn)確高效。 ?

數(shù)據(jù)的存儲方式也包含多種，可以基于hadoop的分布式文件系統(tǒng)，或者基于hbase分布式數(shù)據(jù)庫，也可以基于Kafka。 ?

數(shù)據(jù)的計(jì)算包括離線分析(Hive、Spark、MR)，即席查詢/多維分析(Presto、SparkSQL、Kylin)和實(shí)時(shí)計(jì)算引擎(Flink、Spark Streaming)。 ?

大數(shù)據(jù)運(yùn)營和傳統(tǒng)運(yùn)營有什么區(qū)別 ?

大數(shù)據(jù)基于網(wǎng)絡(luò)有自己優(yōu)勢，可以短時(shí)間收集全世界數(shù)據(jù)，作為后盾分析，利用，預(yù)測但是確定，過于依賴軟件，有時(shí)候不一定精準(zhǔn)，比如我有一次到京東商城看一個(gè)產(chǎn)品圖片，本來意圖不是為了買 ?

這個(gè)這個(gè)產(chǎn)品，可是京東后來一直給我發(fā)這個(gè)產(chǎn)品廣告?zhèn)鹘y(tǒng)運(yùn)營基于周圍群體，公司員工個(gè)人經(jīng)驗(yàn)，范圍狹隘但是比較精準(zhǔn)， 因?yàn)橐磺羞\(yùn)營最終圍繞人來進(jìn)行，了解人，才算精準(zhǔn)，只有人更能實(shí)際 ?

觀察對方的內(nèi)在，外在，機(jī)器目前無法做到一個(gè)做生意的人，可以觀察客戶的一舉一動(dòng)，任何表情，知道客戶需要什么可是機(jī)器目前還無法做到這么細(xì)微 ?

如果把大數(shù)據(jù)和個(gè)人分析綜合起來，這樣大數(shù)據(jù)運(yùn)營更加完美，事實(shí)上，現(xiàn)在很多大公司，也是這么做的，分析師很重要，依靠大數(shù)據(jù)，但是不局限于大數(shù)據(jù)，自己觀察和經(jīng)驗(yàn)也是重要參考之一 ?

大數(shù)據(jù)概念的結(jié)構(gòu) ?

大數(shù)據(jù)就是互聯(lián)網(wǎng)發(fā)展到現(xiàn)今階段的一種表象或特征而已，沒有必要神話它或?qū)λ３志次分模谝栽朴?jì)算為代表的技術(shù)創(chuàng)新大幕的襯托下，這些原本很難收集和使用的數(shù)據(jù)開始容易被利用起來了，通過各行各業(yè)的不斷創(chuàng)新，大數(shù)據(jù)會(huì)逐步為人類創(chuàng)造更多的價(jià)值。 ?

其次，想要系統(tǒng)的認(rèn)知大數(shù)據(jù)，必須要全面而細(xì)致的分解它，我著手從三個(gè)層面來展開： ?

*層面是理論，理論是認(rèn)知的必經(jīng)途徑，也是被廣泛認(rèn)同和傳播的基線。在這里從大數(shù)據(jù)的特征定義理解行業(yè)對大數(shù)據(jù)的整體描繪和定性;從對大數(shù)據(jù)價(jià)值的探討來深入解析大數(shù)據(jù)的珍貴所在;洞悉大數(shù)據(jù)的發(fā)展趨勢;從大數(shù)據(jù)隱私這個(gè)特別而重要的視角審視人和數(shù)據(jù)之間的長久博弈。

?

第二層面是技術(shù)，技術(shù)是大數(shù)據(jù)價(jià)值體現(xiàn)的手段和前進(jìn)的基石。在這里分別從云計(jì)算、分布式處理技術(shù)、存儲技術(shù)和感知技術(shù)的發(fā)展來說明大數(shù)據(jù)從采集、處理、存儲到形成結(jié)果的整個(gè)過程。 ?

第三層面是實(shí)踐，實(shí)踐是大數(shù)據(jù)的最終價(jià)值體現(xiàn)。在這里分別從互聯(lián)網(wǎng)的大數(shù)據(jù)，*的大數(shù)據(jù)，企業(yè)的大數(shù)據(jù)和個(gè)人的大數(shù)據(jù)四個(gè)方面來描繪大數(shù)據(jù)已經(jīng)展現(xiàn)的美好景象及即將實(shí)現(xiàn)的藍(lán)圖。 ?

數(shù)據(jù)安全以及對于性能的影響 ?

像任何IT系統(tǒng)一樣安全性要求也對大數(shù)據(jù)系統(tǒng)的性能有很大的影響。在本節(jié)中，我們討論一下安全對大數(shù)據(jù)平臺性能的影響。 ?

- 首先確保所有的數(shù)據(jù)源都是經(jīng)過認(rèn)證的。即使所有的數(shù)據(jù)源都是安全的，并且沒有針對安全方面的需求，那么你可以靈活設(shè)計(jì)一個(gè)安全模塊來配置實(shí)現(xiàn)。 ?

- 數(shù)據(jù)進(jìn)過一次認(rèn)證，那么就不要進(jìn)行二次認(rèn)證。如果實(shí)在需要進(jìn)行二次認(rèn)證，那么使用一些類似于token的技術(shù)保存下來以便后續(xù)繼續(xù)使用。這將節(jié)省數(shù)據(jù)一遍遍認(rèn)證的開銷。 ?

- 您可能需要支持其他的認(rèn)證方式，例如基于PKI解決方案或Kerberos。每一個(gè)都有不同的性能指標(biāo)，在最終方案確定前需要將其考慮進(jìn)去。 ?

- 通常情況下數(shù)據(jù)壓縮后進(jìn)入大數(shù)據(jù)處理系統(tǒng)。這么做好處非常明顯不細(xì)說。 ?

- 針對不同算法的效率、對cpu的使用量你需要進(jìn)行比較來選出一個(gè)傳輸量、cpu使用量等方面均衡的壓縮算法。 ?

- 同樣，評估加密邏輯和算法，然后再選擇。 ?

- 明智的做法是敏感信息始終進(jìn)行限制。 ?

- 在審計(jì)跟蹤表或登錄時(shí)您可能需要維護(hù)記錄或類似的訪問，更新等不同的活動(dòng)記錄。這可能需要根據(jù)不同的監(jiān)管策略和用戶需求個(gè)性化的進(jìn)行設(shè)計(jì)和修改。 ?

- 注意，這種需求不僅增加了數(shù)據(jù)處理的復(fù)雜度，但會(huì)增加存儲成本。 ?

- 盡量使用下層提供的安全技術(shù)，例如操作系統(tǒng)、數(shù)據(jù)庫等。這些安全解決方案會(huì)比你自己設(shè)計(jì)開發(fā)性能要好很多。