|
大数据特点有哪些？大数据具备哪些特征？ “大数据”这个概念自被各界媒体所关注后，便一直站在风口浪尖引人注目。不落后的你想要深入浅出地了解大数据？以4V为你详尽讲述大数据的四个特点。 大数据主要特点： 1.准确(Veracity) 这是一个在讨论大数据时时常被忽略的一个属性，部分原因是这个属性相对来说比较新，尽管它与其他的属性同样重要。这是一个与数据是否可靠相关的属性，也就是那些在数据科学流程中会被用于决策的数据（而这不同于与传统的数据分析流程），精确性与信噪比(signal-to-noise ratio)有关。 例如，在大数据中发现哪些数据对商业是真正有效的，这在信息理论中是个十分重要的概念。由于并不是所有的数据源都具有相等的可靠性，在这个过程中，大数据的精确性会趋于变化，如何增加可用数据的精确性是大数据的主要挑战。 2.高速(Velocity) 大数据是在运动着的，通常处于很高的传输速度之下。它经常被认为是数据流，而数据流通常是很难被归档的（考虑到有限的网络存储空间，单单是高速就已经是一个巨大的问题）。这就是为什么只能收集到数据其中的某些部分。如果我们有能力收集数据的全部，长时间存储大量数据也会显得非常昂贵，所以周期性的收集数据遗弃一部分数据以节省空间，仅保留数据摘要（如平均值和方差）。 这个问题在未来会显得更为严重，因为越来越多的数据正以越来越快的速度所产生。 3.体量(Volume) 大数据由大量数据组成，从几个TB到几个ZB。这些数据可能会分布在许多地方，通常是在一些连入因特网的计算网络中。 一般来说，凡是满足大数据的几个V的条件的数据都会因为太大而无法被单独的计算机处理。单单这一个问题就需要一种不同的数据处理思路，这也使得并行计算技术（例如MapReduce）得以迅速崛起。 4.多样(Variety) 在过去，数据或多或少是同构的，这种特点也使得它更易于管理。这种情况并不出现在大数据中，由于数据的来源各异，因此形式各异。这体现为各种不同的数据结构类型，半结构化以及完全非结构化的数据类型。 结构化数据多被发现在传统数据库中，数据的类型被预定义在定长的列字段中。半结构化数据有一些结构特征，但不总是保持一致（举例来说，看一看JSON文件），使得这种类型难以处理。更富于挑战的是非结构化数据（例如纯文本文件）毫无结构特征可言。在大数据中，更常见的是半结构化数据，而且这些数据源的数据格式还各不相同。 在过去的几年里，半结构化数据和结构化数据成为了大数据的主体数据类型。 尽管有些网络数据披着大数据的外衣，但并不是每一种数据融合都可以叫做大数据。注意，即使有些数据拥有这4种属性中的一种或多种，也不能被归类为大数据，要完全拥有以上4种特性才能称得上是大数据。
| 
