接著前兩篇對大數(shù)據(jù)的介紹之后，本篇從實(shí)際操作的角度分享大數(shù)據(jù)內(nèi)部關(guān)鍵的運(yùn)作機(jī)制，這是在真正開始學(xué)習(xí)大數(shù)據(jù)之前對大數(shù)據(jù)的一個概覽。為的是讓我們成為大數(shù)據(jù)的主人。以下是小編為你整理的怎么樣學(xué)大數(shù)據(jù)分析 ?

大數(shù)據(jù)運(yùn)行機(jī)制 ?

這是對大數(shù)據(jù)運(yùn)行機(jī)制的概覽，如果你閱讀過上一篇(OODA)，就會感覺非常熟悉。不錯，他們在概念上是如出一撤的!不過實(shí)際操作卻又有巨大的不同。

收集數(shù)據(jù)： ?

大數(shù)據(jù)的*站就是收集和存儲海量數(shù)據(jù)(公開/隱私)?，F(xiàn)在每個人都是一個巨大的數(shù)據(jù)源，通過智能手機(jī)和個人筆記本釋放出大量的個人行為信息。獲取數(shù)據(jù)似乎已經(jīng)變得越來越容易，數(shù)據(jù)收集這一模塊*的挑戰(zhàn)在于獲取海量數(shù)據(jù)的高速要求以及數(shù)據(jù)的全面性考慮。 ?

清洗數(shù)據(jù)： ?

傳統(tǒng)商業(yè)智能在數(shù)據(jù)清洗處理的做法(ETL)是，把準(zhǔn)確的數(shù)據(jù)放入定義好的格式中，通過基礎(chǔ)的抽取統(tǒng)計(jì)生成高維度的數(shù)據(jù)，方便直接使用。然而大數(shù)據(jù)有個最突出的特征——數(shù)據(jù)非結(jié)構(gòu)化或者半結(jié)構(gòu)化。因?yàn)閿?shù)據(jù)有可能是圖片，二進(jìn)制等等。數(shù)據(jù)清洗的*挑戰(zhàn)來了——如何轉(zhuǎn)化處理大量非結(jié)構(gòu)數(shù)據(jù)，便于分布式地計(jì)算分析。 ?

硬件： ?

這是大家都很熟悉的概念，和大數(shù)據(jù)相關(guān)的是虛擬化。主要包括存儲虛擬化，計(jì)算虛擬化。因此又說虛擬化存儲和云計(jì)算是大數(shù)據(jù)的“左膀右臂”!!大數(shù)據(jù)還需要支持多種類型的數(shù)據(jù)庫，因此一個支持?jǐn)U展的數(shù)據(jù)倉庫是大數(shù)據(jù)中的基礎(chǔ)。 ?

HBase/Sqoop/Flume(數(shù)據(jù)導(dǎo)入與導(dǎo)出): ?

HBase是運(yùn)行在HDFS架構(gòu)上的列存儲數(shù)據(jù)庫，并且已經(jīng)與Pig/Hive很好地集成。通過Java API可以近無縫地使用HBase。 ?

Sqoop設(shè)計(jì)的目的是方便從傳統(tǒng)數(shù)據(jù)庫導(dǎo)入數(shù)據(jù)到Hadoop數(shù)據(jù)集合(HDFS/Hive)。 ?

Flume設(shè)計(jì)的目的是便捷地從日志文件系統(tǒng)直接把數(shù)據(jù)導(dǎo)到Hadoop數(shù)據(jù)集合(HDFS)中。 ?

以上這些數(shù)據(jù)轉(zhuǎn)移工具都極大的方便了使用的人，提高了工作效率，把經(jīng)歷專注在業(yè)務(wù)分析上! ?

ZooKeeper/Oozie(系統(tǒng)管理架構(gòu))： ?

ZooKeeper是一個系統(tǒng)管理協(xié)調(diào)架構(gòu)，用于管理分布式架構(gòu)的基本配置。它提供了很多接口，使得配置管理任務(wù)簡單化! ?

Oozie服務(wù)是用于管理工作流。用于調(diào)度不同工作流，使得每個工作都有始有終。 ?

這些架構(gòu)幫助我們輕量化地管理大數(shù)據(jù)分布式計(jì)算架構(gòu)。 ?

7 ?

Ambari/Whirr(系統(tǒng)部署管理)： ?

Ambari幫助相關(guān)人員快捷地部署搭建整個大數(shù)據(jù)分析架構(gòu)，并且實(shí)時監(jiān)控系統(tǒng)的運(yùn)行狀況。 ?

Whirr的主要作用是幫助快速的進(jìn)行云計(jì)算開發(fā)。

?

Mahout(機(jī)器學(xué)習(xí))： ?

Mahout旨在幫助我們快速地完成高智商的系統(tǒng)。其中已經(jīng)實(shí)現(xiàn)了部分機(jī)器學(xué)習(xí)的邏輯。這個架構(gòu)可以讓我們快速地集成更多機(jī)器學(xué)習(xí)的智能!! ?

大數(shù)據(jù)服務(wù)對比 ?

不同大數(shù)據(jù)服務(wù)提供商有不同的產(chǎn)品線，因此不同提供商的產(chǎn)品適用場景也會有所不同。我們重點(diǎn)分析三大服務(wù)提供商的大數(shù)據(jù)服務(wù)架構(gòu)。 ?

亞馬遜 ?

擁有大量關(guān)于大數(shù)據(jù)處理的經(jīng)驗(yàn)。初期大數(shù)據(jù)使用者大部分都使用亞馬遜打造的Hadoop架構(gòu)服務(wù)(EC2)。 ?

經(jīng)過厚重沉淀之后，Amazon在2009年提供開發(fā)EMR大數(shù)據(jù)服務(wù)。EMR服務(wù)提供了多種大數(shù)據(jù)處理分析方案，比如簡單查詢服務(wù)，關(guān)聯(lián)數(shù)據(jù)分析服務(wù)。EMR服務(wù)可以使用Hadoop語言繼續(xù)開發(fā)，并且訪問EMR服務(wù)的步驟也相當(dāng)簡單并且安全。 ?

亞馬遜使用托管DynamoDB代替HBase，作為易于擴(kuò)展的NoSQL數(shù)據(jù)庫。

?

谷歌 ?

谷歌云服務(wù)平臺出類拔萃，它所提供的并非虛擬化解決方案，而是提供由API定義的服務(wù)和應(yīng)用程序。程序員無需顧慮硬件，甚至不需要關(guān)心后臺的運(yùn)作行為。 ?

當(dāng)然這從某種程度也限制了程序員的工作，不過如果谷歌的服務(wù)適合業(yè)務(wù)，那么使用起來將是全世界*效快捷的大數(shù)據(jù)架構(gòu)服務(wù)。 ?

谷歌的AppEngine作為云平臺管理服務(wù)，提供了基于MapReduce的大數(shù)據(jù)并行計(jì)算服務(wù)。所有的這些服務(wù)都可以通過REST風(fēng)格的API訪問。 ?

BigQuery作為分析的數(shù)據(jù)庫，提供了類SQL的查詢語法。它的性能要比Apache Hive來得快! ?

微軟 ?

微軟在大數(shù)據(jù)中屬于后來居上者。通過Microsoft Azure大數(shù)據(jù)服務(wù)平臺，微軟融合自身海量成熟的軟件，例如SQL Server，提供了多種IaaS服務(wù)。 ?

微軟的服務(wù)面向更多的程序員，使得可以使用不同語言來對接大數(shù)據(jù)平臺Azure。Azure旨在提供一個生態(tài)的大數(shù)據(jù)分析開發(fā)環(huán)境，使得普通研究員也可以施展自己對大數(shù)據(jù)的理解! ?

Hadoop大比較 ?

為什么選擇Hadoop，而不是其他數(shù)據(jù)處理架構(gòu)，比如傳統(tǒng)關(guān)系型數(shù)據(jù)庫或者其他。Hadoop在我的眼里，更像是在“暴力解鎖”，它可以處理每一條數(shù)據(jù)，乃至每一種可能的設(shè)想。Hadoop的巨大貢獻(xiàn)在于快速分析大數(shù)據(jù)所隱藏的事實(shí)，這在過去也許需要幾天甚至幾個月的時間才能完成，而Hadoop很可能只需要幾分鐘甚至幾秒鐘的時間就可以很完整地做好! ?

關(guān)系型數(shù)據(jù)庫的幾個特點(diǎn)使得它無緣大數(shù)據(jù)分析，當(dāng)然它也有自己擅長的領(lǐng)域。 ?

(1)磁盤可以存儲大量內(nèi)容，卻無法快速存取!并且存儲空間的擴(kuò)展是有限度的。 ?

(2)在更新一小部分?jǐn)?shù)據(jù)的同時，會對整張表乃至整個數(shù)據(jù)庫都會產(chǎn)生影響。 ?

(3)要求存儲的數(shù)據(jù)都是結(jié)構(gòu)化的，能處理的數(shù)據(jù)也都是結(jié)構(gòu)化。 ?

網(wǎng)格計(jì)算嘗試通過多臺機(jī)器(不同的任務(wù))處理和管理共享文件系統(tǒng)，最終達(dá)到大數(shù)據(jù)計(jì)算的目的。這樣的嘗試以網(wǎng)絡(luò)帶寬的約束而失敗告終。因?yàn)閿?shù)據(jù)量達(dá)到GB級別以上時，網(wǎng)格計(jì)算的方法顯得力不從心。不過網(wǎng)格計(jì)算用在中小型科研實(shí)驗(yàn)確實(shí)是說一不二的選擇! ?