（4）國(guó)民經(jīng)濟(jì)中各領(lǐng)域、各行業(yè)的統(tǒng)計(jì)分析數(shù)據(jù)。

隨著技術(shù)的不斷發(fā)展，個(gè)性化推薦引擎以及大數(shù)據(jù)分析引擎的問(wèn)世能夠更加高效的在海量數(shù)據(jù)中分析得出更有價(jià)值的信息;對(duì)于日志數(shù)據(jù)，可對(duì)用戶點(diǎn)擊瀏覽的行為日志和系統(tǒng)運(yùn)行行為日志進(jìn)行分析。使得系統(tǒng)能夠根據(jù)實(shí)際情況產(chǎn)生出更加智能的結(jié)果。日志數(shù)據(jù)與網(wǎng)頁(yè)數(shù)據(jù)的分析處理模式較為類似，香港免備案主機(jī) 美國(guó)服務(wù)器，都是通過(guò)細(xì)致分析從而探尋出數(shù)據(jù)中蘊(yùn)藏的價(jià)值。

（3）在通信領(lǐng)域中的各種信號(hào)、信令數(shù)據(jù)，用戶的個(gè)人信息以及通話位置、時(shí)長(zhǎng)等數(shù)據(jù)。

大數(shù)據(jù)時(shí)代所分析的數(shù)據(jù)的最主要特征是“多源異構(gòu)”，其分析過(guò)程是逐層抽象、降維、概括和解讀的過(guò)程。從數(shù)據(jù)采集的源頭進(jìn)行劃分，可將大數(shù)據(jù)時(shí)代分析處理的數(shù)據(jù)對(duì)象劃分為以下幾個(gè)類別：

（2）可以用于分析用戶行為、對(duì)系統(tǒng)的操作、以及系統(tǒng)運(yùn)行狀態(tài)的日志數(shù)據(jù)。

以此來(lái)確保系統(tǒng)的交互性并最大限度地提升用戶體驗(yàn)。這種數(shù)據(jù)分析處理模式稱為“查詢式分析”模式;對(duì)于互聯(lián)網(wǎng)以及國(guó)民經(jīng)濟(jì)中重要行業(yè)的數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控，這種模式稱為“實(shí)時(shí)數(shù)據(jù)分析處理“模式。

在這種架構(gòu)下，用戶可以在不了解分布式底層細(xì)節(jié)的情況下，開(kāi)發(fā)分布式程序。Hadoop能夠?qū)?shù)量龐大的數(shù)據(jù)分解成規(guī)模較小、易訪問(wèn)的數(shù)據(jù)集并發(fā)送到多臺(tái)服務(wù)器上進(jìn)行分析，以此獲得高效的分析速率。該架構(gòu)主要由文件系統(tǒng)以及數(shù)據(jù)處理兩部分功能模塊組成。

對(duì)于這些數(shù)量龐大的，來(lái)自不同源頭的非結(jié)構(gòu)化數(shù)據(jù)。其分析模式的特點(diǎn)如下：對(duì)于互聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)，其最主要的應(yīng)用是建立搜索引擎，通過(guò)搜索引擎進(jìn)行數(shù)據(jù)檢索、處理。

這種數(shù)據(jù)分析處理模式稱為“離線批處理模式”;對(duì)于通信領(lǐng)域的數(shù)據(jù)分析，分析決策人員會(huì)對(duì)經(jīng)過(guò)細(xì)致分析的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)歸納和查詢，并且在最短的時(shí)間內(nèi)獲得最有價(jià)值的信息。

以上為依據(jù)時(shí)間特征劃分的數(shù)據(jù)分析模式。而實(shí)現(xiàn)這些分析模式的主要方法有：分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)、WEB數(shù)據(jù)挖掘等。

為了有效應(yīng)對(duì)大數(shù)據(jù)時(shí)代數(shù)據(jù)分析問(wèn)題的三個(gè)主要特征以及滿足大數(shù)據(jù)分析的基本需求，域名注冊(cè)，當(dāng)前以及未來(lái)一段時(shí)期內(nèi)將主要通過(guò)分布式數(shù)據(jù)庫(kù)或者分布式計(jì)算集群來(lái)對(duì)存儲(chǔ)于其內(nèi)的海量數(shù)據(jù)進(jìn)行由淺入深的分析和分類匯總。

要想從急劇增長(zhǎng)的數(shù)據(jù)資源中挖掘分析出有價(jià)值的信息，需要先進(jìn)的分析技術(shù)作支撐。從宏觀上看，大數(shù)據(jù)分析技術(shù)發(fā)展所面臨的問(wèn)題均包含三個(gè)主要特征：

（1）數(shù)據(jù)量龐大并以驚人的速度增長(zhǎng);

例如，為滿足實(shí)時(shí)分析的需求通常會(huì)采用Qracle的Exadata 和EMC的GreenPlum。而目前分析處理大數(shù)據(jù)的應(yīng)用最廣泛的核心技術(shù)為Hadoop。

（3）需要具備及時(shí)快速的分析速度，即實(shí)時(shí)分析。這些特征使得傳統(tǒng)的數(shù)據(jù)分析技術(shù)無(wú)法滿足要求，更加先進(jìn)的數(shù)據(jù)分析平臺(tái)才是大數(shù)據(jù)時(shí)代更好的選擇。

（1）各網(wǎng)頁(yè)中用戶的瀏覽次數(shù)、點(diǎn)擊率，各種社交網(wǎng)站、動(dòng)態(tài)網(wǎng)站網(wǎng)頁(yè)內(nèi)容信息的變化，搜索引擎中關(guān)鍵詞的搜索量、網(wǎng)絡(luò)實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)等互聯(lián)網(wǎng)數(shù)據(jù)。

（2）數(shù)據(jù)種類與結(jié)構(gòu)多樣化，并以半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)為主;

Hadoop是由Apache基金會(huì)所開(kāi)發(fā)的一個(gè)基于Java的分布式數(shù)據(jù)處理和分析的軟件基礎(chǔ)架構(gòu)。