接著(zhù)前兩篇對大數據的介紹之后，本篇從實(shí)際操作的角度分享大數據內部關(guān)鍵的運作機制，這是在真正開(kāi)始學(xué)習大數據之前對大數據的一個(gè)概覽。為的是讓我們成為大數據的主人。以下是小編為你整理的怎么樣學(xué)大數據分析 ?

大數據運行機制 ?

這是對大數據運行機制的概覽，如果你閱讀過(guò)上一篇(OODA)，就會(huì )感覺(jué)非常熟悉。不錯，他們在概念上是如出一撤的!不過(guò)實(shí)際操作卻又有巨大的不同。

收集數據： ?

大數據的*站就是收集和存儲海量數據(公開(kāi)/隱私)?，F在每個(gè)人都是一個(gè)巨大的數據源，通過(guò)智能手機和個(gè)人筆記本釋放出大量的個(gè)人行為信息。獲取數據似乎已經(jīng)變得越來(lái)越容易，數據收集這一模塊*的挑戰在于獲取海量數據的高速要求以及數據的全面性考慮。 ?

清洗數據： ?

傳統商業(yè)智能在數據清洗處理的做法(ETL)是，把準確的數據放入定義好的格式中，通過(guò)基礎的抽取統計生成高維度的數據，方便直接使用。然而大數據有個(gè)最突出的特征——數據非結構化或者半結構化。因為數據有可能是圖片，二進(jìn)制等等。數據清洗的*挑戰來(lái)了——如何轉化處理大量非結構數據，便于分布式地計算分析。 ?

硬件： ?

這是大家都很熟悉的概念，和大數據相關(guān)的是虛擬化。主要包括存儲虛擬化，計算虛擬化。因此又說(shuō)虛擬化存儲和云計算是大數據的“左膀右臂”!!大數據還需要支持多種類(lèi)型的數據庫，因此一個(gè)支持擴展的數據倉庫是大數據中的基礎。 ?

HBase/Sqoop/Flume(數據導入與導出): ?

HBase是運行在HDFS架構上的列存儲數據庫，并且已經(jīng)與Pig/Hive很好地集成。通過(guò)Java API可以近無(wú)縫地使用HBase。 ?

Sqoop設計的目的是方便從傳統數據庫導入數據到Hadoop數據集合(HDFS/Hive)。 ?

Flume設計的目的是便捷地從日志文件系統直接把數據導到Hadoop數據集合(HDFS)中。 ?

以上這些數據轉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(zhuān)注在業(yè)務(wù)分析上! ?

ZooKeeper/Oozie(系統管理架構)： ?

ZooKeeper是一個(gè)系統管理協(xié)調架構，用于管理分布式架構的基本配置。它提供了很多接口，使得配置管理任務(wù)簡(jiǎn)單化! ?

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

這些架構幫助我們輕量化地管理大數據分布式計算架構。 ?

7 ?

Ambari/Whirr(系統部署管理)： ?

Ambari幫助相關(guān)人員快捷地部署搭建整個(gè)大數據分析架構，并且實(shí)時(shí)監控系統的運行狀況。 ?

Whirr的主要作用是幫助快速的進(jìn)行云計算開(kāi)發(fā)。

?

Mahout(機器學(xué)習)： ?

Mahout旨在幫助我們快速地完成高智商的系統。其中已經(jīng)實(shí)現了部分機器學(xué)習的邏輯。這個(gè)架構可以讓我們快速地集成更多機器學(xué)習的智能!! ?

大數據服務(wù)對比 ?

不同大數據服務(wù)提供商有不同的產(chǎn)品線(xiàn)，因此不同提供商的產(chǎn)品適用場(chǎng)景也會(huì )有所不同。我們重點(diǎn)分析三大服務(wù)提供商的大數據服務(wù)架構。 ?

亞馬遜 ?

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

經(jīng)過(guò)厚重沉淀之后，Amazon在2009年提供開(kāi)發(fā)EMR大數據服務(wù)。EMR服務(wù)提供了多種大數據處理分析方案，比如簡(jiǎn)單查詢(xún)服務(wù)，關(guān)聯(lián)數據分析服務(wù)。EMR服務(wù)可以使用Hadoop語(yǔ)言繼續開(kāi)發(fā)，并且訪(fǎng)問(wèn)EMR服務(wù)的步驟也相當簡(jiǎn)單并且安全。 ?

亞馬遜使用托管DynamoDB代替HBase，作為易于擴展的NoSQL數據庫。

?

谷歌 ?

谷歌云服務(wù)平臺出類(lèi)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)和應用程序。程序員無(wú)需顧慮硬件，甚至不需要關(guān)心后臺的運作行為。 ?

當然這從某種程度也限制了程序員的工作，不過(guò)如果谷歌的服務(wù)適合業(yè)務(wù)，那么使用起來(lái)將是全世界*效快捷的大數據架構服務(wù)。 ?

谷歌的AppEngine作為云平臺管理服務(wù)，提供了基于MapReduce的大數據并行計算服務(wù)。所有的這些服務(wù)都可以通過(guò)REST風(fēng)格的API訪(fǎng)問(wèn)。 ?

BigQuery作為分析的數據庫，提供了類(lèi)SQL的查詢(xún)語(yǔ)法。它的性能要比Apache Hive來(lái)得快! ?

微軟 ?

微軟在大數據中屬于后來(lái)居上者。通過(guò)Microsoft Azure大數據服務(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(yǔ)言來(lái)對接大數據平臺Azure。Azure旨在提供一個(gè)生態(tài)的大數據分析開(kāi)發(fā)環(huán)境，使得普通研究員也可以施展自己對大數據的理解! ?

Hadoop大比較 ?

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

關(guān)系型數據庫的幾個(gè)特點(diǎn)使得它無(wú)緣大數據分析，當然它也有自己擅長(cháng)的領(lǐng)域。 ?

(1)磁盤(pán)可以存儲大量?jì)热?，卻無(wú)法快速存取!并且存儲空間的擴展是有限度的。 ?

(2)在更新一小部分數據的同時(shí)，會(huì )對整張表乃至整個(gè)數據庫都會(huì )產(chǎn)生影響。 ?

(3)要求存儲的數據都是結構化的，能處理的數據也都是結構化。 ?

網(wǎng)格計算嘗試通過(guò)多臺機器(不同的任務(wù))處理和管理共享文件系統，最終達到大數據計算的目的。這樣的嘗試以網(wǎng)絡(luò )帶寬的約束而失敗告終。因為數據量達到GB級別以上時(shí)，網(wǎng)格計算的方法顯得力不從心。不過(guò)網(wǎng)格計算用在中小型科研實(shí)驗確實(shí)是說(shuō)一不二的選擇! ?