大數據目前這個詞很火，作為編程人員是必須學習的基礎知識之一，對于其它行業的同時，了解一下大數據也是非常有必要的，也許你們公司將來有一天就會使用大數據技術來分析你們公司的發展方向，畢竟這是一個大數據時代。以下是小編為你整理的學習大數據有什么用 ?

首先簡介一下大數據能夠干什么：首先舉個例子，大家都喜歡上淘寶買東西，淘寶網站會記錄每個人在它網站上都買了什么，瀏覽了什么。。。等等一系列信息。然后分析什么產品賣的火爆，哪個客戶喜歡買什么，那個商家盈利高等等，挖掘一系列有潛在價值 ?

其次分析一下大數據的含義，大數據既然含有數據這個詞匯，就表明他是和數據相關的，而數據無非就是如何存儲數據和如何使用存儲的數據這兩個問題

首先說一下如何存儲：傳統的數據都是保存在關系型數據庫，比如oracle和mysql等，這些數據庫存儲空間是有限的，并且數據庫的東西多了之后，查詢存取的速度會變得很慢，根本做數據分析等。此外傳統數據都安裝在一臺服務器上，一旦服務器宕機了，數據庫的內容就全部銷毀了，無法恢復 ?

大數據的含義就是說數據量很大，數據量達到pb級別，大公司也許需要幾千臺服務器才能存儲，用的是分布式存儲技術。所謂的分布式存儲技術是指，同樣一份文件，分別存儲在3臺不同的服務器上，假設其中服務器掛機了，還有另外兩臺服務器工作，并且迅速備份一份文件，始終保證相同文件有3臺服務器提供工作 ?

大數據的使用主要是指根據公司需求，對現有的數據進行挖掘分析。而挖掘分析做的最多的就是查詢數據，大數據的查詢速度是非常快的，因為底層用的是類似于lucene技術。但是大數據不適合修改存儲的文件。因為大數據存儲數據是以文件的形式存儲的，如果想修改數據，它會把原先的文件刪掉，然后重新寫入。 ?

*什么人適合學習大數據：一般做數據的公司通常都會要求你會大數據，其次互聯網行業也用到了大數據相關的部分技術，比如：zookeeper，但是你要想找到一份好的工作，大數據知識是必須有所了解。 ?

大數據處理需要什么語言 ?

R語言：它的有點在于簡單易上手，通過R語言，你可以從復雜的數據集中篩選你想要的數據，從負責的模型函數中操作數據，建立有序的圖表呈現數字，只需要幾行代碼就可以了，比如說，像是好動版本的Excel表格。 ?

Pythom語言：Python結合了R語言的快速，處理復雜數據的能力以及更務實的語言特質，迅速地成為主流，也更簡單和直觀了，尤其是近幾年的成長很快。在數據處理范疇內，通常在規模與復雜之間要有個取舍，Python以折中的姿態出現，是相當好的數據處理工具。 ?

java語言：java沒有和Python和R語言一樣好的可視化功能，也不是統計建模的*工具，但是如果你需要建立一個龐大的系統，使用過去的原型，java是最基本的選擇了。 ?

Hadoop pand Hive：為了迎合大量數據處理的需求，以java為基礎的大數據開始了。Hadoop為一批數據處理，發展以java為基礎的架構關鍵，相對于其他處理工具，Hadoop慢許多，但是無比的準確可被后端數據庫分析廣泛使用，和Hive搭配的很好。 ?

Scala：另一個以java為基礎的語言，和java很像，對任何想要進行大規模的機械學習或是建立高階的算法，Scala是逐漸興起的工具，善于呈現且擁有建立可靠系統的能力， ?

Kafkaand Storm：是一個特別快速的查詢信息系統，缺點是太快了，因此在實施操作時會犯錯，有時候會漏掉東西。使用Scala寫出來的架構，大幅增加他在串流處理的受歡迎程度， ?

HTML ?

HTML標簽名和屬性都是不區分大小寫的，例如、或都是定義相同的標記，但推薦全部使用小寫字母書寫。 ?

HTML屬性一般都出現在HTML標簽中, 是HTML標簽的一部分。 ?

標簽可以有屬性,它包含了額外的信息.屬性的值一定要在雙引號中。 ?

標簽可以擁有多個屬性。 ?

屬性由屬性名和值成對出現。 ?

大多數的瀏覽器都支持顏色名集合，顏色值是一個關鍵字或一個RGB格式的數字，在網頁中用得很多。 ?

BASE(分布式列存數據庫)

?

源自Google的Bigtable論文，發表于2006年11月，HBase是Google Bigtable克隆版 ?

HBase是一個建立在HDFS之上，面向列的針對結構化數據的可伸縮、高可靠、高性能、分布式和面向列的動態模式數據庫。 ?

HBase采用了BigTable的數據模型：增強的稀疏排序映射表(Key/Value)，其中，鍵由行關鍵字、列關鍵字和時間戳構成。 ?

HBase提供了對大規模數據的隨機、實時讀寫訪問，同時，HBase中保存的數據可以使用MapReduce來處理，它將數據存儲和并行計算完美地結合在一起。 ?

大數據是什么

大數據是最近IT界最常用的術語之一。然而對大數據的定義也不盡相同，所有已知的論點例如結構化的和非結構化、大規模的數據等等都不夠完整。大數據系統通常被認為具有數據的五個主要特征，通常稱為數據的5 Vs。分別是大規模，多樣性，高效性、準確性和價值性。 ?

據Gartner稱，大規模可以被定義為“在本(地)機數據采集和處理技術能力不足以為用戶帶來商業價值。當現有的技術能夠針對性的進行改造后來處理這種規模的數據就可以說是一個成功的大數據解決方案。 ?

這種大規模的數據沒將不僅僅是來自于現有的數據源，同時也會來自于一些新興的數據源，例如常規(手持、工業)設備，日志，汽車等，當然包括結構化的和非結構化的數據。 ?

據Gartner稱，多樣性可以定義如下：“高度變異的信息資產，在生產和消費時不進行嚴格定義的包括多種形式、類型和結構的組合。同時還包括以前的歷史數據，由于技術的變革歷史數據同樣也成為多樣性數據之一 “。 ?

高效性可以被定義為來自不同源的數據到達的速度。從各種設備，傳感器和其他有組織和無組織的數據流都在不斷進入IT系統。由此，實時分析和對于該數據的解釋(展示)的能力也應該隨之增加。 ?

根據Gartner，高效性可以被定義如下：“高速的數據流I/O(生產和消費)，但主要聚焦在一個數據集內或多個數據集之間的數據生產的速率可變上”。 ?

準確性，或真實性或叫做精度是數據的另一個重要組成方面。要做出正確的商業決策，當務之急是在數據上進行的所有分析必須是正確和準確(精確)的。 ?

大數據系統可以提供巨大的商業價值。像電信，金融，電子商務，社交媒體等，已經認識到他們的數據是一個潛在的巨大的商機。他們可以預測用戶行為，并推薦相關產品，提供危險交易預警服務，等等。 ?

與其他IT系統一樣，性能是大數據系統獲得成功的關鍵。本文的中心主旨是要說明如何讓大數據系統保證其性能。