大数据概述(年2月版本)课件

单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,提纲,1.1 大数据时代,1.2 大数据概念,1.3 大数据的影响,1.4 大数据的应用,1.5 大数据关键技术,1.6 大数据计算模式,1.7 大数据产业,1.8 大数据与云计算、物联网的关系,提纲1.1 大数据时代,1.1大数据时代,1.1大数据时代,1.1.1第三次信息化浪潮,根据,IBM,前首席执行官郭士纳的观点，,IT,领域每隔十五年就会迎来一次重大变革,信息化浪潮,发生时间,标志,解决问题,代表企业,第一次浪潮,1980年前后,个人计算机,信息处理,Intel、AMD、IBM、苹果、微软、联想、戴尔、惠普等,第二次浪潮,1995年前后,互联网,信息传输,雅虎、谷歌、阿里巴巴、百度、腾讯等,第三次浪潮,2010年前后,物联网、云计算和大数据,信息爆炸,将涌现出一批新的市场标杆企业,表1-1 三次信息化浪潮,1.1.1第三次信息化浪潮根据IBM前首席执行官郭士纳的观点,1.1.2信息科技为大数据时代提供技术支撑,图1-,1,存储价格随时间变化情况,1.,存储设备容量不断增加,1.1.2信息科技为大数据时代提供技术支撑图1-1 存储价格,1.2信息科技为大数据时代提供技术支撑,来自斯威本科技大学（,Swinburne University of Technology,）的研究团队，在,2013,年,6,月,29,日刊出的,自然通讯（,Nature Communications,）,杂志的文章中，描述了一种全新的数据存储方式，可将,1PB,（,1024TB,）的数据存储到一张仅,DVD,大小的聚合物碟片上。,1.2信息科技为大数据时代提供技术支撑来自斯威本科技大学（S,1.1.2信息科技为大数据时代提供技术支撑,图1-,3 CPU,晶体管数目随时间变化情况,2.CPU,处理能力大幅提升,1.1.2信息科技为大数据时代提供技术支撑图1-3 CPU晶,1.1.2信息科技为大数据时代提供技术支撑,图1-,4,网络带宽随时间变化情况,3.,网络带宽不断增加,1.1.2信息科技为大数据时代提供技术支撑图1-4 网络带宽,1.1.3数据产生方式的变革促成大数据时代的来临,图1-,5,数据产生方式的变革,1.1.3数据产生方式的变革促成大数据时代的来临图1-5 数,1.1.4 大数据的发展历程,阶段,时间,内容,第一阶段：萌芽期,上世纪90年代至本世纪初,随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术开始被应用，如数据仓库、专家系统、知识管理系统等。,第二阶段：成熟期,本世纪前十年,Web2.0应用迅猛发展，非结构化数据大量产生，传统处理方法难以应对，带动了大数据技术的快速突破，大数据解决方案逐渐走向成熟，形成了并行计算与分布式系统两大核心技术，谷歌的GF,S,和MapReduce等大数据技术受到追捧，Hadoop平台开始大行其道,第三阶段：大规模应用期,2010年以后,大数据应用渗透各行各业，数据驱动决策，信息社会智能化程度大幅提高,表1-2 大数据发展的三个阶段,1.1.4 大数据的发展历程阶段时间内容第一阶段：萌芽期上世,1.2大数据概念,1.2大数据概念,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,2020,年，全球将总共拥有,35ZB,的数据量，相较于,2010,年，数据量将增长近,30,倍,1.2.1数据量大根据IDC作出的估测，数据一直都在以每年,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,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,1.2.3处理速度快,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处理速度快从数据的生成到消耗，时间窗口非常小，可,1.2.4价值密度低,价值密度低，商业价值高,以视频为例，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,继续装,ing,1.2.4价值密度低价值密度低，商业价值高继续装ing,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,实验,理论,计算,数据,1.3大数据的影响图灵奖获得者、著名数据库专家Jim Gr,1.3大数据的影响,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,1.3大数据的影响在思维方式方面，大数据完全颠覆了传统的思维,1.3大数据的影响,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,1.3大数据的影响在社会发展方面，大数据决策逐渐成为一种新的,1.4大数据的应用,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大数据的应用大数据无处不在，包括金融、汽车、零售、餐饮,典型的大数据应用实例,Kevin Spacey,David Fincher,英国同名小说,纸牌屋,风靡全球的美剧,纸牌屋,大数据分析,典型的大数据应用实例Kevin SpaceyDavid Fi,典型的大数据应用实例,从谷歌流感趋势看大数据的应用价值,“谷歌流感趋势”，通过跟踪搜索词相关数据来判断全美地区的流感情况,典型的大数据应用实例从谷歌流感趋势看大数据的应用价值,1.5大数据关键技术,表,1-5,大数据技术的不同层面及其功能,技术层面,功能,数据采集,利用,ETL,工具将分布的、异构数据源中的数据如关系数据、平面数据文件等，抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础；或者也可以把实时采集的数据作为流计算系统的输入，进行实时处理分析,数据存储和管理,利用分布式文件系统、数据仓库、关系数据库、,NoSQL,数据库、云数据库等，实现对结构化、半结构化和非结构化海量数据的存储和管理,数据处理与分析,利用分布式并行编程模型和计算框架，结合机器学习和数据挖掘算法，实现对海量数据的处理和分析；对分析结果进行可视化呈现，帮助人们更好地理解数据、分析数据,数据隐私和安全,在从大数据中挖掘潜在的巨大商业价值和学术价值的同时，构建隐私数据保护体系和数据安全体系，有效保护个人隐私和数据安全,1.5大数据关键技术表1-5 大数据技术的不同层面及其功能技,1.5大数据关键技术,分布式存储,分布式处理,GFSHDFS,BigTableHBase,NoSQL,（键值、列族、图形、文档数据库）,NewSQL,（如：,SQL Azure,）,MapReduce,大数据,两大核心技术,1.5大数据关键技术分布式存储分布式处理GFSHDFSMa,1.6大数据计算模式,大数据计算模式,解决问题,代表产品,批处理计算,针对大规模数据的批量处理,MapReduce、Spark等,流计算,针对流数据的实时计算,Storm、S4、Flume、Streams、Puma、DStream、Super Mario、银河流数据处理平台等,图计算,针对大规模图结构数据的处理,Pregel、GraphX、Giraph、PowerGraph、Hama、GoldenOrb等,查询分析计算,大规模数据的存储管理和查询分析,Dremel、Hive、Cassandra、Impala等,表1-3 大数据计算模式及其代表产品,1.6大数据计算模式大数据计算模式解决问题代表产品批处理计算,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,产业链环节,包含内容,IT,基础设施层,包括提供硬件、软件、网络等基础设施以及提供咨询、规划和系统集成服务的企业，比如，提供数据中心解决方案的,IBM,、惠普和戴尔等，提供存储解决方案的,EMC,，提供虚拟化管理软件的微软、思杰、,SUN,、,Redhat,等,数据源层,大数据生态圈里的数据提供者，是生物大数据（生物信息学领域的各类研究机构）、交通大数据（交通主管部门）、医疗大数据（各大医院、体检机构）、政务大数据（政府部门）、电商大数据（淘宝、天猫、苏宁云商、京东等电商）、社交网络大数据（微博、微信、人人网等）、搜索引擎大数据（百度、谷歌等）等各种数据的来源,数据管理层,包括数据抽取、转换、存储和管理等服务的各类企业或产品，比如分布式文件系统（如,Hadoop,的,HDFS,和谷歌的,GFS,）、,ETL,工具（,Informatica,、,Datastage,、,Kettle,等）、数据库和数据仓库（,Oracle,、,MySQL,、,SQL Server,、,HBase,、,GreenPlum,等）,数据分析层,包括提供分布式计算、数据挖掘、统计分析等服务的各类企业或产品，比如，分布式计算框架,MapReduce,、统计分析软件,SPSS,和,SAS,、数据挖掘工具,Weka,、数据可视化工具,Tableau,、,BI,工具（,MicroStrategy,、,Cognos,、,BO,）等等,数据平台层,包括提供数据分享平台、数据分析平台、数据租售平台等服务的企业或产品，比如阿里巴巴、谷歌、中国电信、百度等,数据应用层,提供智能交通、智慧医疗、智能物流、智能电网等行业应用的企业、机构或政府部门，比如交通主管部门、各大医疗机构、菜鸟网络、国家电网等,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,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,1.8.1云计算,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,图,1-7,云计算的服务模式和类型,1.,云计算概念,1.8.1云计算云计算实现了通过网络提供可伸缩的、廉价的分布,1.8.1云计算,Infrastructure as a Service,Platform as a Service,Software as a Service,SaaS,PaaS,IaaS,Google Apps,Microsoft“Software+Services”,IBM IT factory,Google App Engine,F,Amazon EC2,IBM Blue Cloud,Sun Grid,Server,Storage,Server,Storage,Visualization,Infrastructure,Platform,Application,从一个集中的系统部署软件，使之在一台本地计算机上,(,或从云中远程地,