Chaer厦门大学林子雨大数据技术原理与应用第一章大数据概述

厦门大学计算机科学系2015年版

第一章大数据概述

（PPT版本号：2015年6月第1.0版）

《大数据技术原理与应用》温馨提示：编辑幻灯片母版，可以修改每页PPT的厦大校徽和底部文字提纲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、物联网的关系欢迎访问《大数据技术原理与应用》教材官方网站：本PPT是如下教材的配套讲义：21世纪高等教育计算机规划教材《大数据技术原理与应用——概念、存储、处理、分析与应用》（2015年6月第1版）厦门大学林子雨编著，人民邮电出版社ISBN:978-7-115-39287-91.1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1.1.2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1-3CPU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1-4网络带宽随时间变化情况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图1-5数据产生方式的变革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GFD和MapReduce等发数据技术受到追捧，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1.2大数据概念数数据量大大根据IDC作出的估估测，数数据一直直都在以以每年50%的速度增增长，也也就是说说每两年年就增长长一倍（（大数据据摩尔定定律）人类在最最近两年年产生的的数据量量相当于于之前产产生的全全部数据据量预计到2020年，全球球将总共共拥有35ZB的数据量量，相较较于2010年，数据据量将增增长近30倍数数据类型型繁多大数据是是由结构构化和非非结构化化数据组组成的10%的结构化化数据，，存储在在数据库库中90%的非结构构化数据据，它们们与人类类信息密密切相关关非结构化化数据类类型多样样邮件、视视频、微微博位置信息息、链接接信息手机呼叫叫、网页页点击“长微博””处处理速度度快从数据的的生成到到消耗，，时间窗窗口非常常小，可可用于生生成决策策的时间间非常少少1秒定律：：这一点点也是和和传统的的数据挖挖掘技术术有着本本质的不不同价价值密度度低价值密度度低，商商业价值值高以视频为为例，连连续不间间断监控控过程中中，可能能有用的的数据仅仅仅有一一两秒，，但是具具有很高高的商业业价值1.3大大数据的的影响大数据对对科学研研究、思思维方式式和社会会发展都都具有重重要而深深远的影影响。在科学研研究方面面，大数数据使得得人类科科学研究究在经历历了实验验、理论论、计算算三种范范式之后后，迎来来了第四四种范式式——数数据在思维方方式方面面，大数数据具有有“全样样而非抽抽样、效效率而非非精确、、相关而而非因果果”等三三大显著著特征，，完全颠颠覆了传传统的思思维方式式在社会发发展方面面，大数数据决策策逐渐成成为一种种新的决决策方式式，大数数据应用用有力促促进了信信息技术术与各行行业的深深度融合合，大数数据开发发大大推推动了新新技术和和新应用用的不断断涌现在就业市市场方面面，大数数据的兴兴起使得得数据科科学家成成为热门门职业在人才培培养方面面，大数数据的兴兴起，将将在很大大程度上上改变中中国高校校信息技技术相关关专业的的现有教教学和科科研体制制1.4大大数据的的应用大数据无无处不在在，包括括金融、、汽车、、零售、、餐饮、、电信、、能源、、政务、、医疗、、体育、、娱乐等等在内的的社会各各行各业业都已经经融入了了大数据据的印迹迹1.5大大数据关关键技术术表1-5大数据技技术的不不同层面面及其功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1.6大大数据计计算模式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、SuperMario、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大数数据计算算模式及及其代表表产品1.7大大数据产产业大数据产产业是指指一切与与支撑大大数据组组织管理理和价值值发现相相关的企企业经济济活动的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、SQLServer、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1.8大大数据与与云计算算、物联联网的关关系云计算、、大数据据和物联联网代表表了IT领域最新新的技术术发展趋趋势，三三者相辅辅相成，，既有联联系又有有区别1.8.1云计计算云计算实实现了通通过网络络提供可可伸缩的的、廉价价的分布布式计算算能力，，用户只只需要在在具备网网络接入入条件的的地方，，就可以以随时随随地获得得所需的的各种IT资源源图1-7云计算的的服务模模式和类类型1.云计算概概念1.8.1云计计算云计算关关键技术术包括：：虚拟化化、分布布式存储储、分布布式计算算、多租租户等2.云计算关关键技术术1.8.1云计计算云计算数数据中心心是一整整套复杂杂的设施施，包括括刀片服服务器、、宽带网网络连接接、环境境控制设设备、监监控设备备以及各各种安全全装置等等数据中心心是云计计算的重重要载体体，为云云计算提提供计算算、存储储、带宽宽等各种种硬件资资源，为为各种平平台和应应用提供供运行支支撑环境境3.云计算数数据中心心1.8.1云计计算政务云上上可以部部署公共共安全管管理、容容灾备份份、城市市管理、、应急管管理、智智能交通通、社会会保障等等应用，，通过集集约化建建设、管管理和运运行，可可以实现现信息资资源整合合和政务务资源共共享，推推动政务务管理创创新，加加快向服服务型政政府转型型教育云可可以有效效整合幼幼儿教育育、中小小学教育育、高等等教育以以及继续续教育等等优质教教育资源源，逐步步实现教教育信息息共享、、教育资资源共享享及教育育资源深深度挖掘掘等目标标中小企业业云能够够让企业业以低廉廉的成本本建立财财务、供供应链、、客户关关系等管管理应用用系统，，大大降降低企业业信息化化门槛，，迅速提提升企业业信息化化水平，，增强企企业市场场竞争力力医疗云可可以推动动医院与与医院、、医院与与社区、、医院与与急救中中心、医医院与家家庭之间间的服务务共享，，并形成成一套全全新的医医疗健康康服务系系统，从从而有效效地提高高医疗保保健的质质量4.云计算应应用1.8.1云计计算云计算产产业作为为战略性性新兴产产业，近近些年得得到了迅迅速发展展，形成成了成熟熟的产业业链结构构，产业业涵盖硬硬件与设设备制造造、基础础设施运运营、软软件与解解决方案案供应商商、基础础设施即即服务（（IaaS）、平台台即服务务（PaaS）、软件件即服务务（SaaS）、终端端设备、、云安全全、云计计算交付付/咨询/认证等环环节图1-8云计算产产业链5.云计算产业业1.8.2物联网物联网是物物物相连的的互联网，，是互联网网的延伸，，它利用局局部网络或或互联网等等通信技术术把传感器器、控制器器、机器、、人员和物物等通过新新的方式联联在一起，，形成人与与物、物与与物相联，，实现信息息化和远程程管理控制制1.物联网概念念图1-9物物联网体体系架构1.8.2物联网物联网中的的关键技术术包括识别别和感知技技术（二维维码、RFID、传感器等等）、网络络与通信技技术、数据据挖掘与融融合技术等等2.物联网关键键技术图1-10矩阵式式二维码图1-11采用RFID芯芯片的公交交卡图1-12不同类类型的传感感器1.8.2物联网物联网已经经广泛应用用于智能交交通、智慧慧医疗、智智能家居、、环保监测测、智能安安防、智能能物流、智智能电网、、智慧农业业、智能工工业等领域域，对国民民经济与社社会发展起起到了重要要的推动作作用3.物联网应用用1.8.2物联网完整的物联联网产业链链主要包括括核心感应应器件提供供商、感知知层末端设设备提供商商、网络提提供商、软软件与行业业解决方案案提供商、、系统集成成商、运营营及服务提提供商等六六大环节图1-8物物联网产产业链4.物联网产业业1.8.3大数据与与云计算、、物联网的的关系云计算、大大数据和物物联网代表表了IT领域最新的的技术发展展趋势，三三者既有区区别又有联联系图1-9大大数据、、云计算和和物联网之之间的关系系本章小结本章介绍了了大数据技技术的发展展历程，并并指出信息息科技的不不断进步为为大数据时时代提供了了技术支撑撑，数据产产生方式的的变革促成成了大数据据时代的来来临大数据具有有数据量大大、数据类类型繁多、、处理速度度快、价值值密度低等等特点，统统称“4V”。大数据对对科学研究究、思维方方式、社会会发展、就就业市场和和人才培养养等方面，，都产生了了重要的影影响，深