大數據定義與概念

大數據（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，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、高成長率和多樣化的資訊資產。

 

在維克多·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有資料進行分析處理。大數據的5V特性（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多元）、Value（低價值密度）、Veracity（真實性）。

推薦課程：Python教學。

定義

大數據與雲端運算的關係 

對於「大數據」（Big data）研究機構Gartner給出了這樣的定義。 「大數據」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來適應大量、高成長率和多樣化的資訊資產。

麥肯錫全球研究所給出的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟體工具能力範圍的數據集合，具有海量的數據規模、快速的資料流轉、多樣的資料類型和價值密度低四大特徵。 

大數據技術的策略意義不在於掌握龐大的資料訊息，而在於對這些含有意義的資料進行專業化處理。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”，透過“加工”實現數據的“增值”。

從技術上來看，大數據與雲端運算的關係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一的電腦處理，必須採用分散式架構。它的特色在於對海量資料進行分散式資料探勘。但它必須依托雲端運算的分散式處理、分散式資料庫和雲端儲存、虛擬化技術。

隨著雲端時代的來臨，大數據（Big data）也吸引了越來越多的關注。分析師團隊認為，大數據（Big data）通常用來形容一個公司創造的大量非結構化數據和半結構化數據，這些數據在下載到關係型資料庫用於分析時會花費過多時間和金錢。大數據分析常和雲端運算連結在一起，因為即時的大型資料集分析需要像MapReduce一樣的框架來向數十、數百或甚至數千的電腦分配工作。

大數據需要特殊的技術，以有效地處理大量的容忍經過時間內的資料。適用於大數據的技術，包括大規模平行處理（MPP）資料庫、資料探勘、分散式檔案系統、分散式資料庫、雲端運算平台、網際網路和可擴展的儲存系統。

最小的基本單位是bit，依序給出所有單位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。

它們是依照進率1024（2的十次方）來計算：

1 Byte =8 bit

1 KB = 1,024 Bytes = 8192 bit

1 MB = 1,024 KB = 1,048,576 Bytes

1 GB = 1,024 MB = 1,048,576 KB

1 TB = MB 1 1 PB = 1,024 TB = 1,048,576 GB

1 EB = 1,024 PB = 1,048,576 TB

1 ZB = 1,024 EB = 104

##1 ZB = 1,024 EB = 140

##1 ZB = 1,024 EB = 1414 048,576 EB

1 BB = 1,024 YB = 1,048,576 ZB

1 NB = 1,024 BB = 1,048,576 YB

1 DB#= 1,02 NB = 1004#7, BB000

以上是大數據定義與概念的詳細內容。更多資訊請關注PHP中文網其他相關文章！