大数据技术原理与应用学习笔记第1章

黄金组合访问地址：http://dblab.xmu.edu.cn/post/7553/

1.《大数据技术原理与应用》教材 

官网：http://dblab.xmu.edu.cn/post/bigdata/

2.大数据软件安装和编程实践指南

官网林子雨编著《大数据技术原理与应用》教材配套大数据软件安装和编程实践指南_厦门大学数据库实验室

3.备课指南

官网：林子雨编著《大数据技术原理与应用》教师备课指南_厦门大学数据库实验室

4.授课视频

官网：林子雨主讲入门级大数据在线课程_厦门大学数据库实验室

5.实验指南

官网：机房上机实验指南-林子雨编著《大数据技术原理与应用》_厦门大学数据库实验室

6.电子书籍

官网：大数据课程教师交流群_厦门大学数据库实验室

7.Spark入门教程

官网：子雨大数据之Spark入门教程（Scala版）_厦大数据库实验室博客

8.大数据课程实验案例《网站用户购物行为分析》

官网：重磅：大数据课程实验案例：网站用户行为分析（免费共享）_厦门大学数据库实验室 

第一篇 大数据基础 

本篇包括2章。第1章介绍大数据的概念和应用，分析了大数据、云计算和物联网的相互关系；第2章介绍大数据处理架构Hadoop。

 第1章 大数据概述

1.1 大数据时代

1.1.1 第三次信息化浪潮

1.1.2 信息科技为大数据时代提供技术支撑

1. 存储设备容量不断增加
2. CPU处理能力大幅提升
3. 网络带宽不断增加

1.1.3 数据产生方式的变革促成大数据时代的来临

人类社会的数据产生方式大致经历了3个阶段：运营式系统阶段、用户原创内容阶段和感知式系统阶段

1.1.4 大数据的发展历程

大数据的发展历程总体上可以划分为3个重要阶段：萌芽期、成熟期和大规模应用期

1.2 大数据的概念

大数据不仅仅是数据的“大量化”，而是包含“快速化”、“多样化”和“价值化”等多重属性。

大数据的4个特点，包含4个层面：数据量大（Volume）、数据类型繁多（Variety）、处理速度快（Velocity）和价值密度低（Value）

1.2.1 数据量大

• 根据IDC作出的估测，数据一直都在以每年50%的速度增长，也就是说每两年就增长一倍（大数据摩尔定律）
• 人类在最近两年产生的数据量相当于之前产生的全部数据量
• 预计到2023年，全球将总共拥有11.7ZB的数据量，将比预测增加一倍以上

1.2.2 数据类型繁多

• 大数据是由结构化和非结构化数据组成的
  – 10% 的结构化数据，存储在数据库中
  – 90% 的非结构化数据，它们与人类信息密切相关
• 科学研究：基因组；LHC加速器；地球与空间探测
• 企业应用：Email、文档、文件；应用日志；交易记录
• Web 1.0数据：文本；图像；视频
• Web 2.0数据：查询日志/点击流；Twitter/Blog/SNS；Wiki
• 从数据的生成到消耗，时间窗口非常小，可用于生成决策的时间非常少
• 1 秒定律：这一点也是和传统的数据挖掘技术有着本质的不同

1.2.3 处理速度快

 大数据时代的很多应用都需要基于快速生成的数据给出实时分析结果，用于指导生产和生活实践。因此，数据处理和分析的速度通常要达到秒级响应。

1.2.4 价值密度低

价值密度低，商业价值高

  以监控为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒，但是具有很高的商业价值

 1.3 大数据的影响

•  图灵奖获得者、著名数据库专家Jim Gray 博士观察并总结人类自古以来，在科学研究上，先后历经了实验、理论、计算和数据四种范式
• 在思维方式方面，大数据完全颠覆了传统的思维方式：全样而非抽样；效率而非精确；相关而非因果
• 在社会发展方面，大数据决策逐渐成为一种新的决策方式，大数据应用有力促进了信息技术与各行业的深度融合，大数据开发大大推动了新技术和新应用的不断涌现
• 在就业市场方面，大数据的兴起使得数据科学家成为热门职业
• 在人才培养方面，大数据的兴起，将在很大程度上改变中国高校信息技术相关专业的现有教学和科研体制
• 大数据无处不在，包括金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业都已经融入了大数据的印迹

 

1.4 大数据的应用

1.5 大数据关键技术

从数据分析全流程的角度，大数据技术主要包括数据采集与预处理、数据存储和管理、数据处理与分析、数据安全和隐私保护等几个层面的内容

大数据两大核心技术：

1. 分布式存储：GFS\HDFS;Big Table\HBase;NoSQL（键值、列族、图形、文档数据库）；NewSQL（如：SQL Azure）
2. 分布式处理：MapReduce

1.6 大数据计算模式

MapReduce 是被大家所熟悉的大数据处理技术，当人们提到大数据时就会很自然地想到MapReduce，可见其影响力之广。实际上，大数据处理的问题复杂多样，单一的计算模式是无法满足不同类型的计算需求的，MapReduce 其实只是大数据计算模式中的一种，它代表了针对大规模数据的批量处理技术，除此以外，还有查询分析计算、图计算、流计算等多种大数据计算模式

1.7 大数据产业

大数据产业是指一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合

1.8 大数据与云计算、物联网的关系

云计算、大数据和物联网代表了IT领域最新的技术发展趋势，三者相辅相成，既有联系又有区别

1.8.1 云计算

1. 云计算概念

云计算实现了通过网络提供可伸缩的、廉价的分布式计算能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源

2. 云计算关键技术

云计算关键技术包括：虚拟化、分布式存储、分布式计算、多租户等

3. 云计算数据中心

• 云计算数据中心是一整套复杂的设施，包括刀片服务器、宽带网络连接、环境控制设备、监控设备以及各种安全装置等
• 数据中心是云计算的重要载体，为云计算提供计算、存储、带宽等各种硬件资源，为各种平台和应用提供运行支撑环境
• 全国各地推进数据中心建设

4. 云计算应用

• 政务云上可以部署公共安全管理、容灾备份、城市管理、应急管理、智能交通、社会保障等应用，通过集约化建设、管理和运行，可以实现信息资源整合和政务资源共享，推动政务管理创新，加快向服务型政府转型
• 教育云可以有效整合幼儿教育、中小学教育、高等教育以及继续教育等优质教育资源，逐步实现教育信息共享、教育资源共享及教育资源深度挖掘等目标
• 中小企业能够让企业以低廉的成本建立财务、供应链、客户关系等管理应用系统，大大降低企业信息化门槛，迅速提升企业信息化水平，增强企业市场竞争力 
• 医疗云可以推动医院与医院、医院与社区、医院与急救中心、医院与家庭之间的服务共享，并形成一套全新的医疗健康服务系统，从而有效地提高医疗保健的质量

5. 云计算产业

云计算产业作为战略性新兴产业，近些年得到了迅速发展，形成了成熟的产业链结构，产业涵盖硬件与设备制造、基础设施运营、软件与解决方案供应商、基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）、终端设备、云安全、云计算交付/咨询/认证等环节

 

1.8.2 物联网

1.物联网概念

物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化和远程管理控制

2. 物联网关键技术

物联网中的关键技术包括识别和感知技术（二维码、RFID、传感器等）、网络与通信技术、数据挖掘与融合技术等

3.物联网应用

物联网已经广泛应用于智能交通、智慧医疗、智能家居、环保监测、智能安防、智能物流、智能电网、智慧农业、智能工业等领域，对国民经济与社会发展起到了重要的推动作用

4.物联网产业

完整的物联网产业链主要包括核心感应器件提供商、感知层末端设备提供商、网络提供商、软件与行业解决方案提供商、系统集成商、运营及服务提供商等六大环节

1.8.3 大数据与云计算、物联网的关系

云计算、大数据和和物联网代表了IT领域最新的技术发展趋势，三者既有区别又有联系

1.9 本章小结 

• 本章介绍了大数据技术的发展历程，并指出信息科技的不断进步为大数据时代提供了技术支撑，数据产生方式的变革促成了大数据时代的来临。
• 大数据具有数据量大、数据类型繁多、处理速度快、价值密度低等特点，统称“4V”。大数据对科学研究、思维方式、社会发展、就业市场和人才培养等方面都产生了重要的影响，深刻理解大数据的这些影响，有助于我们更好地把握学习和应用大数据的方向。
• 大数据在金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业都得到了日益广泛的应用，深刻地改变着我们的社会生产和日常生活。
• 大数据并非单一的数据或技术，而是数据和大数据技术的综合体。大数据技术主要包括数据采集、数据存储和管理、数据处理与分析、数据安全和隐私保护等几个层面的内容。
• 大数据产业包括IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层和数据应用层，在不同层面都已经形成了一批引领市场的技术和企业。
• 本章最后介绍了云计算和物联网的概念和关键技术，并阐述了大数据、云计算和物联网三者之间的区别与联系。