分析大量數(shù)據(jù)只是使大數(shù)據(jù)分析與以前的數(shù)據(jù)分析不同的一部分。我們還要了解其它方面。
先有數(shù)據(jù)，然后是大數(shù)據(jù)。那么，它們有什么區(qū)別？
定義大數(shù)據(jù)
一般而言，大數(shù)據(jù)是指容量龐大的數(shù)據(jù)集，大到傳統(tǒng)的數(shù)據(jù)處理軟件產(chǎn)品無法在合理的時間內捕獲、管理和處理數(shù)據(jù)。
這些大數(shù)據(jù)集可以包括結構化數(shù)據(jù)、非結構化數(shù)據(jù)和半結構化數(shù)據(jù)，人們可以從每個數(shù)據(jù)挖掘到洞察。
多大的數(shù)據(jù)才算得上“大”尚無定論，但它通?？赡苁菐讉€拍字節(jié)（petabyte），并且對于艾字節(jié)（exabyte）范圍中的最大項目也是如此。
通常，大數(shù)據(jù)的特點是三個V：
極大的數(shù)據(jù)量
各種類型的數(shù)據(jù)
數(shù)據(jù)得到處理和分析的速度
構成大數(shù)據(jù)存儲中的數(shù)據(jù)可以來自網(wǎng)站、社交媒體、臺式機和移動應用、科學實驗以及物聯(lián)網(wǎng)（IoT）中日益增多的傳感器和其他設備。
大數(shù)據(jù)的概念帶有一組相關組件，國內服務器租用 服務器托管，這些組件使組織可以使數(shù)據(jù)得到實際應用并解決一些業(yè)務問題。這包括用來支持大數(shù)據(jù)所需的IT基礎設施、應用于數(shù)據(jù)的分析、大數(shù)據(jù)項目所需的技術、一系列有關的技能、以及對大數(shù)據(jù)很重要的實際用例。
大數(shù)據(jù)和分析
真正能從組織所收集的所有大數(shù)據(jù)中實現(xiàn)價值的東西是應用于數(shù)據(jù)的分析。沒有分析的話，這只是一大堆商業(yè)用途十分有限的數(shù)據(jù)。
企業(yè)通過將分析應用于大數(shù)據(jù)就可以看到銷售額的增長、客戶服務的改善、效率的提高以及競爭力得到全面提升等優(yōu)勢。
數(shù)據(jù)分析包括檢查數(shù)據(jù)集以獲得洞察或得出關于它們包含的內容的結論，例如關于未來活動的趨勢和預測。
組織通過數(shù)據(jù)分析可以做出更明智的業(yè)務決策，例如何時何地進行營銷活動或引入新產(chǎn)品或服務。
分析可以指基本的商業(yè)智能應用程序或更高級的預測分析，例如科學機構所使用的分析。最先進的數(shù)據(jù)分析類型是數(shù)據(jù)挖掘，分析師在這里評估大型數(shù)據(jù)集以確定關系、模式和趨勢。
數(shù)據(jù)分析可以包括探索性數(shù)據(jù)分析（識別數(shù)據(jù)中的模式和關系）和驗證性數(shù)據(jù)分析（應用統(tǒng)計方法來確定關于特定數(shù)據(jù)集的假設是否屬實）。
另一個區(qū)別是定量數(shù)據(jù)分析（或對具有可以統(tǒng)計比較的可量化變量的數(shù)字數(shù)據(jù)的分析）與定性數(shù)據(jù)分析（其側重于非數(shù)字數(shù)據(jù)，如視頻、圖像和文本）。
支持大數(shù)據(jù)的IT基礎設施
要讓大數(shù)據(jù)的概念發(fā)揮作用，組織需要有合適的基礎設施來收集和存儲數(shù)據(jù)、提供對數(shù)據(jù)的訪問并保護信息在存儲和傳輸過程中的安全。
這在較高的層面上還包括為大數(shù)據(jù)，數(shù)據(jù)管理和集成軟件，商業(yè)智能和數(shù)據(jù)分析軟件以及大數(shù)據(jù)應用設計的存儲系統(tǒng)和服務器。
由于公司希望繼續(xù)利用其數(shù)據(jù)中心投資，大部分這種基礎設施可能會在本地部署。但越來越多的組織依靠云計算服務來處理他們的大部分大數(shù)據(jù)需求。
數(shù)據(jù)收集需要有收集數(shù)據(jù)的來源。其中有很多來源——如Web應用程序、社交媒體渠道、移動應用程序和電子郵件存檔——已經(jīng)就位。但隨著物聯(lián)網(wǎng)的逐漸成熟，企業(yè)可能需要在各種設備、車輛和產(chǎn)品上部署傳感器、以及生成用戶數(shù)據(jù)的新應用程序來收集數(shù)據(jù)。（面向物聯(lián)網(wǎng)的大數(shù)據(jù)分析具有自身的專業(yè)技術和工具。）
為了存儲所有傳入的數(shù)據(jù)，組織需要有足夠的數(shù)據(jù)存儲。存儲選項包括傳統(tǒng)的數(shù)據(jù)倉庫，數(shù)據(jù)湖泊和基于云的存儲。
安全基礎架構工具可能包括數(shù)據(jù)加密、用戶身份驗證和其它訪問控制、監(jiān)控系統(tǒng)、防火墻、企業(yè)移動管理以及其它保護系統(tǒng)和數(shù)據(jù)的產(chǎn)品，免備案主機，
大數(shù)據(jù)特有的技術
一般來說，除了上述用于數(shù)據(jù)的IT基礎架構之外。你的IT基礎架構應該支持大數(shù)據(jù)特有的幾種技術。
Hadoop生態(tài)系統(tǒng)
Hadoop是其中一項與大數(shù)據(jù)密切相關的技術。Apache Hadoop項目為可擴展的分布式計算開發(fā)開源軟件。
Hadoop軟件庫是一個框架，該框架支持使用簡單的編程模型在計算機集群中對大數(shù)據(jù)集進行分布式處理。它旨在從單個服務器擴展到數(shù)千個，每個服務器都提供本地計算和存儲。
該項目包括幾個模塊：
Hadoop Common是支持其它Hadoop模塊的通用工具
Hadoop分布式文件系統(tǒng)，它可以為應用程序數(shù)據(jù)提供高吞吐量的訪問
Hadoop YARN是一個作業(yè)調度和集群資源管理的框架
Hadoop MapReduce是一個基于YARN的大數(shù)據(jù)集并行處理系統(tǒng)。
Apache Spark
作為Hadoop生態(tài)系統(tǒng)的一部分的Apache Spark是一個開源的集群計算框架，它可充當在Hadoop中處理大數(shù)據(jù)的引擎。Spark已經(jīng)成為關鍵的大數(shù)據(jù)分布式處理框架之一，而且它可以通過多種方式進行部署。它為Java、Scala、Python（尤其是Natrona Python發(fā)行版）和R編程語言（R特別適用于大數(shù)據(jù)）提供本地綁定，它還支持SQL、流數(shù)據(jù)、機器學習和圖形處理。
數(shù)據(jù)湖泊
