大数据分析及处理方法 .pdfVIP

本文格式为Word版，下载可任意编辑

大数据分析及处理方法Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样

的NoSQL数据库也常用于数据的采集。

在大数据的采集过程中，其主要特点和挑战是并发数高，因为同

时有可能会有成千上万的用户来进行访问和操作，比方火车票售票网

大数据的处理站和淘宝，它们并发的访问量在峰值时到达上百万，所以需要在采集

周涛博士说：大数据处理数据时代理念的三大转变：要全体不要抽端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均

样，要效率不要肯定精确，要相关不要因果。衡和分片确实是需要深入的思索和设计。

具体的大数据处理方法其实有许多，但是依据长时间的实践，笔者导入/预处理

总结了一个基本的大数据处理流程，并且这个流程应当能够对大家理顺虽然采集端本身会有许多数据库，但是假如要对这些海量数据进

大数据的处理有所关心。整个处理流程可以概括为四步，分别是采集、行有效的分析，还是应当将这些来自前端的数据导入到一个集中的大

导入和预处理、统计和分析，以及挖掘。型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一

采集些简洁的清洗和预处理工作。也有一些用户会在导入时使用来自

大数据的采集是指利用多个数据库来接收发自客户端(Web、App或Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计

者传感器形式等)的数据，并且用户可以通过这些数据库来进行简洁的算需求。

查询和处理工作。比方，电商会使用传统的关系型数据库MySQL和

第1页共3页

本文格式为Word版，下载可任意编辑

导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的型算法有用于聚类的K-Means、用于统计学习的SVM和用于分类的

导入量常常会到达百兆，甚至千兆级别。NaiveBayes，主要使用的工具有Hadoop的Mahout等。

统计/分析该过程的特点和挑战主要是用于挖掘的算法很冗杂，并且计算涉

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储及的`数据量和计算量都很大，还有，常用数据挖掘算法都以单线程为

于其内的海量数据进行一般的分析和分类汇总等，以满足大多数常见的主。

分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle大数据分析的五个基本方面

的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处1.AnalyticVisualizations(可视化分析)

理，或者基于半结构化数据的需求可以使用Hadoop。不管是对数据分析专家还是一般用户，数据可视化是数据分析工

统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让

系统资源，特殊是I/O会有极大的占用。观众听到结果。

挖掘