大数据处理及工具开发

1、 大数据处理及工具开发（1）大数据环境下的数据处理需求大数据环境下数据来源非常丰富且数据类型多样，存储和分析挖掘的数据量庞大，对数据展现的要求较高，并且很看重数据处理的高效性和可用性。（2） 大数据的意义传统的数据采集来源单一，且存储、管理和分析数据量也相对较小，大多采用关系型数据库和并行数据仓库即可处理。对依靠并行计算提升数据处理速度方面而言，传统的并行数据库技术追求高度一致性和容错性，根据CAP理论，难以保证其可用性和扩展性。传统的数据处理方法是以处理器为中心，而大数据环境下，需要采取以数据为中心的模式，减少数据移动带来的开销。因此，传统的数据处理方法，已经不能适应大数据的需求！大数据的基本处理流程与传统数据处理流程并无太大差异，主要区别在于：由于大数据要处理大量、非结构化的数据，所以在各个处理环节中都可以采用MapReduce等方式进行并行处理。（3） 大数据的处理流程包括哪些环节？每个环节有哪些主要工具？大数据的基本处理流程与传统数据处理流程并无太大差异，主要区别在于：由于大数据要处理大量、非结构化的数据，所以在各个处理环节中都可以采用MapReduce等方式进行并行处理。数据采廉数据预魅理"数据存箱 数据采廉数据预魅理"数据存箱 /数据曲桁乍堀v结毘展现（4）大数据技术为什么能提高数据的处理速度？数据的并行处理利器 MapReduce大数据可以通过MapReduce这一并行处理技术来提高数据的处理速度。MapReduce的设计初衷是通过大量廉价服务器实现大数据并行处理，对数据一致性要求不高，其突出优势是具有扩展性和可用性，特别适用于海量的结构化、半结构化及非结构化数据的混合处理。MapReduce将传统的查询、分解及数据分析进行分布式处理，将处理任务分配到不同的处理节点，因此具有更强的并行处理能力。作为一个简化的并行处理的编程模型，MapReduce还降低了开发并行应用的门槛。MapReduce是一套软件框架，包括Map（映射）和Reduce（化简）两个阶段，可以进行海量数据分割、任务分解与结果汇总，从而完成海量数据的并行处理。MapReduce的工作原理其实是先分后合的数据处理方式。Map即“分解”，把海量数据分割成了若干部分，分给多台处理器并行处理；Reduce即“合并”，把各台处理器处理后的结果进行汇总操作以得到最终结果。如右图所示，如果采用MapReduce来统计不同几何形状的数量，它会先把任务分配到两个节点，由两个节点分别并行统计，然后再把它们的结果汇总，得到最终的计算结果。MapReduce适合进行数据分析、日志分析、商业智能分析、客户营销、大规模索引等业务，并具有非常明显的效果。通过结合MapReduce技术进行实时分析，某家电公司的信用计算时间从33小时缩短到8秒，而MKI的基因分析时间从数天缩短到20分钟。（5）大数据技术在数据采集方面采用了哪些新的方法系统日志采集方法很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等，这些工具均采用分布式架构，能满足每秒数百MB的日志数据采集和传输需求。ChukwaIHCF5Strutlured脚Ml.DataOirc■LCikcJ&M(stcaMi)Chuk^wDeiaSlnkFEIeeDr«aSink---豐丿:^p-:抑竝媲M*tnnWebUlM-nnhane-dCtlLJkWSOuidlET□neperhos-tIHCF5Strutlured脚Ml.DataOirc■LCikcJ&M(stcaMi)Chuk^wDeiaSlnkFEIeeDr«aSink---豐丿:^p-:抑竝媲M*tnnWebUlM-nnhane-dCtlLJkWSOuidlET□neperhos-twifprrHDFS^GrmlLr*□el:Chukihia.»；晦；ChlfkWBAantlSWRA-lri*aH：KCtiukmiMCHLl■_Chukwai严C-d!«JLT•代理：负责采集最原始的数据并发送给收集器。•适配器：直接采用数据的接口和工具。•收集器：负责收集代理收送来的数据，并定时写入急群众。•MapReduce分析•多路分配器：负责对数据的分类排序和去重。FlumeScribeScribe是Facebook开源的日志收集系统，在Facebook内部已经得到大量的应用。它能够从各种日志源上收集日志，存储到一个中央存储系统(可以是NFS,分布式文件系统等)上，以便于进行集中统计分析处理，它为日志的“分布式收集，统一处理”提供一个可扩展的，高容错的方案。Scribe架构ScribeagentScribeagent实际上是一个thriftclient。向scribe发送数据的唯一方法是使用thriftclient，scribe内部定义了一个thrift接口，用户使用该接口将数据发送给server。ScribeScribe接收到thriftclient发送过来的数据，根据配置文件，将不同主题的数据发送给不同的对象。存储系统存储系统实际上就是scribe中的store。网络数据采集方法：对非结构化数据的采集网络数据采集是指通过网络爬虫或网站公开API等方式从网站上获取数据信息。该方法可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。它支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。除了网络中包含的内容之外，对于网络流量的采集可以使用DPI或DFI等带宽管理技术进行处理。其他数据采集方法对于企业生产经营数据或学科研究数据等保密性要求较高的数据，可以通过与企业或研究机构合作，使用特定系统接口等相关方式采集数据。大数据分析工具：HadoopHadoop是一个能够对大量数据进行分布式处理的软件框架。但是Hadoop是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。Hadoop还是可伸缩的，能够处理PB级数据。此外，Hadoop依赖于社区服务器，因此它的成本比较低，任何人都可以使用。Hadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点：高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的,这些集簇可以方便地扩展到数以千计的节点中。高效性。Hadoop能够在节