大数据技术原理与应用之大数据概述

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大数据概念数数据据量量大大根据据IDC作出出的的估估测测，，数数据据一一直直都都在在以以每每年年50%的速速度度增增长长，，也也就就是是说说每每两两年年就就增增长长一一倍倍（（大大数数据据摩摩尔尔定定律律））人类类在在最最近近两两年年产产生生的的数数据据量量相相当当于于之之前前产产生生的的全全部部数数据据量量预计计到到2020年，，全全球球将将总总共共拥拥有有35ZB的数数据据量量，，相相较较于于2010年，，数数据据量量将将增增长长近近30倍数数据据类类型型繁繁多多大数数据据是是由由结结构构化化和和非非结结构构化化数数据据组组成成的的10%的结结构构化化数数据据，，存存储储在在数数据据库库中中90%的非非结结构构化化数数据据，，它它们们与与人人类类信信息息密密切切相相关关非结结构构化化数数据据类类型型多多样样邮件件、、视视频频、、微微博博位置置信信息息、、链链接接信信息息手机机呼呼叫叫、、网网页页点点击击“长微微博博””处处理理速速度度快快从数数据据的的生生成成到到消消耗耗，，时时间间窗窗口口非非常常小小，，可可用用于于生生成成决决策策的的时时间间非非常常少少1秒定定律律：：这这一一点点也也是是和和传传统统的的数数据据挖挖掘掘技技术术有有着着本本质质的的不不同同价价值值密密度度低低价值值密密度度低低，，商商业业价价值值高高以视视频频为为例例，，连连续续不不间间断断监监控控过过程程中中，，可可能能有有用用的的数数据据仅仅仅仅有有一一两两秒秒，，但但是是具具有有很很高高的的商商业业价价值值1.3大大数数据据的的影影响响大数数据据对对科科学学研研究究、、思思维维方方式式和和社社会会发发展展都都具具有有重重要要而而深深远远的的影影响响。。在科科学学研研究究方方面面，，大大数数据据使使得得人人类类科科学学研研究究在在经经历历了了实实验验、、理理论论、、计计算算三三种种范范式式之之后后，，迎迎来来了了第第四四种种范范式式————数数据据在思思维维方方式式方方面面，，大大数数据据具具有有““全全样样而而非非抽抽样样、、效效率率而而非非精精确确、、相相关关而而非非因因果果””等等三三大大显显著著特特征征，，完完全全颠颠覆覆了了传传统统的的思思维维方方式式在社社会会发发展展方方面面，，大大数数据据决决策策逐逐渐渐成成为为一一种种新新的的决决策策方方式式，，大大数数据据应应用用有有力力促促进进了了信信息息技技术术与与各各行行业业的的深深度度融融合合，，大大数数据据开开发发大大大大推推动动了了新新技技术术和和新新应应用用的的不不断断涌涌现现在就就业业市市场场方方面面，，大大数数据据的的兴兴起起使使得得数数据据科科学学家家成成为为热热门门职职业业在人人才才培培养养方方面面，，大大数数据据的的兴兴起起，，将将在在很很大大程程度度上上改改变变中中国国高高校校信信息息技技术术相相关关专专业业的的现现有有教教学学和和科科研研体体制制1.4大大数数据据的的应应用用大数数据据无无处处不不在在，，包包括括金金融融、、汽汽车车、、零零售售、、餐餐饮饮、、电电信信、、能能源源、、政政务务、、医医疗疗、、体体育育、、娱娱乐乐等等在在内内的的社社会会各各行行各各业业都都已已经经融融入入了了大大数数据据的的印印迹迹1.5大大数数据据关关键键技技术术表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.云计算应用云云计算云计算产业作作为战略性新新兴产业，近近些年得到了了迅速发展，，形成了成熟熟的产业链结结构，产业涵涵盖硬件与设设备制造、基基础设施运营营、软件与解解决方案供应应商、基础设设施即服务（（IaaS）、平台即服服务（PaaS）、软件即服服务（SaaS）、终端设备备、云安全、、云计算交付付/咨询/认证等环节图1-8云计算产业链链5.云计算产业物物联网物联网是物物物相连的互联联网，是互联联网的延伸，，它利用局部部网络或互联联网等通信技技术把传感器器、控制器、、机器、人员员和物等通过过新的方式联联在一起，形形成人与物、、物与物相联联，实现信息息化和远程管管理控制1.物联网概念图1-9物物联网体系架架构物物联网物联网中的关关键技术包括括识别和感知知技术（二维维码、RFID、传感器等））、网络与通通信技术、数数据挖掘与融融合技术等2.物联网关键技技术图1-10矩矩阵式二维维码图1-11采采用RFID芯片的公公交卡图1-12不不同类型的的传感器物物联网物联网已经广广泛应用于智智能交通、智智慧医疗、智智能家居、环环保监测、智智能安防、智智能物流、智智能电网、智智慧农业、智智能工业等领领域，对国民民经济与社会会发展起到了了重要的推动动作用3.物联网应用物物联网完整的物联网网产业链主要要包括核心感感应器件提供供商、感知层层末端设备提提供商、网络络提供商、软软件与行业解解决方案提供供商、系统集集成商、运营营及服务提供供商等六大环环节图1-8物物联网产业链链4.物联网产业大大数据与云计计算、物联网网的关系云计算、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