大数据时代
海量数据............................................................................................................................. 1 大数据定义......................................................................................................................... 1 大数据分析......................................................................................................................... 1 大数据处理......................................................................................................................... 2 大数据时代 你准备好了吗............................................................................................... 3 大数据分析杀手锏............................................................................................................. 6 Hadoop和云计算的关系.................................................................................................... 6 企业该如何面对云计算..................................................................................................... 7
海量数据
数据：是载荷或记录信息的按一定规则排列组合的物理符号。可以是数字、文字、图像，也可以是计算机代码。对信息的接收始于对数据的接收，对信息的获取只能通过对数据背景的解读。
海量数据：数据量太大，导致要么是无法在较短时间内迅速解决，要么是数据太大，导致无法一次性装入内存。
海量数据分析处理：当前，越来越多的业务部门都需要操作海量数据，如规划部门的规划数据，水利部门的水文、水利数据，气象部门的气象数据，这些部门处理的数据量通常都非常大。它包括各种空间数据、报表统计数据、文字、声音、图像、超文本等各种环境和文化数据信息，从大规模的、没有关系的数据中获得我们所需要的信息，我们称之为海量数据分析处理。
大数据定义
巨量资料(big data)，或称大数据、海量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大数据”是由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的整合共享，交叉复用,形成的智力资源和知识服务能力。大数据=海量数据+多变的数量类型。
大数据分析
越来越多的应用涉及到大数据，这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以，大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于此，
大数据分析的方法理论有哪些呢？ 大数据分析的五个基本方面
Predictive Analytic Capabilities（预测性分析能力）数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
Data Quality and Master Data Management（数据质量和数据管理）数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
Analytic Visualizations（可视化分析）不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
Semantic Engines（语义引擎）我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
Data Mining Algorithms（数据挖掘算法）可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。
大数据处理
大数据处理数据时代理念的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。具体的大数据处理方法其实有很多，但是根据长时间的实践，笔者总结了一个基本的大数据处理流程，并且这个流程应该能够对大家理顺大数据的处理有所帮助。整个处理流程可以概括为四步，分别是采集、导入和预处理、统计和分析，以及挖掘。
采集
大数据的采集是指利用多个数据库来接收发自客户端的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和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，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集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衡和分片的确是需要深入的思考和设计。 统计/分析
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于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。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，其对系统资源，特别是I/O会有极大的占用。
导入/预处理
虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。
挖掘
与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测的效果，从而实现一些高级别数据分析的需求。比较典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Naive Bayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并且计算涉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主
大数据时代 你准备好了吗
2011年3月11日日本大地震发生后，美国国家海洋和大气管理局(NOAA)，通过分析海量的数据，包括陆基、 海岸、 海洋、 海洋生物资源和大气层等的信息数据，仅9分钟后，就发布了详细的海啸预警；NOAA每年的IT预算高达10亿美元，虽然花费巨大，但乐此不疲，因为这些信息关乎生命，这些数据可以拯救生命，改变世界。在这个信息爆炸的时代，面对海量信息，你准备好了吗？
近年来互联网、云计算、移动终端和物联网迅猛发展。日渐复杂的企业客户
信息数据，网店交易记录，视频监控终端产生的信息数据，博客、微博、照片、自创视频等，数据每秒都在爆炸产生??;全球在2010 年正式进入ZB 时代，根据IDC 的预计，到2020 年全球将总共拥有35ZB 的数据量，相较于2009 年，数据量将增长44倍。2012年3月，奥巴马政府公布大数据计划，首批宣布投资2亿美元。工信部发布的物联网“十二五”规划，把信息处理技术作为4项关键技术创新工程之一被提出来——毋庸置疑，我们已进入“大数据时代”，大数据正在改变商业，生活甚至政府。
曾经是摄影代名词的柯达在自己132岁时轰然倒下;同时，1962创建的零售之王沃尔玛，连续多年蝉联零售商第一;拥有350名员工的FaceBook仅仅只用了8年时间，上市首日市值达1152亿美元，成为历史上规模最大一宗科技公司IPO。变化带来的不仅仅是挑战，更是机遇，甚至是弯道超车的机会。
挑战与机遇面前人人平等，那么生存，发展，超越的银弹是什么呢？银弹就是大数据，就是大数据中的大价值。沃尔玛是最早通过利用大数据而受益的企业之一，通过对消费者的购物行为等非结构化数据进行分析，沃尔玛成为最了解顾客购物习惯的零售商，并创造了“啤酒与尿布”的经典商业案例。沃尔玛一度拥有世界上最大的数据仓库系统，数据中心的数据量已经是美国国会图书馆的167倍。Facebook每秒钟都在生成海量的结构和非结构化数据，一对一的消费驱动模式中蕴含着用户的消费倾向，“数据”的挖掘分析大幅提升广告的精确投放效果，并且可以通过用户行为预测多个行业的发展趋势，蕴含巨大的商业价值。Facebook 1152亿美元的IPO很大程度是对大数据中大价值的认同。大数据时代，管理大数据，挖掘大数据中的大价值，就抓住了机遇，也就能立于不败之地。
要把握大数据，挖据出大数据中的价值，从技术的角度来说，两个问题需要解决：数据的存储，数据的分析。大数据的Volume 属性——“海量数据”一词从七十年代延展至今，正在发生从量变到质变的飞跃。所谓质变是说，从来没有一个时期要如此依赖数据，同时，传统的数据处理和数据管理技术正在受到当今“海量数据”的直接挑战。
(一) ZB级的数据管理和数据分析，不是传统的IT服务器、磁带、纵向扩展设备能够承载的，数量级和复杂程度到达一个层级，引导企业进行信息化技术和企业业务的革新。传统利用SPSS统计分析软件建模的方式已经有些力不从心，而如果采用抽样统计分析的方式，有些新的用户行为特征或业务趋势就会被忽略。
(二) 世界经济形势趋紧，高额的IT预算，究竟应该在哪里投入。据调查企
