數(shù)據(jù)不大也包含智慧
一開始這個大數(shù)據(jù)并不大。原來才有多少數(shù)據(jù)？現(xiàn)在大家都去看電子書，上網(wǎng)看新聞了，在我們80后小時候，信息量沒有那么大，也就看看書、看看報，一個星期的報紙加起來才有多少字？如果你不在一個大城市，一個普通的學(xué)校的圖書館加起來也沒幾個書架，是后來隨著信息化的到來，信息才會越來越多。
首先我們來看一下大數(shù)據(jù)里面的數(shù)據(jù)，就分三種類型，一種叫結(jié)構(gòu)化的數(shù)據(jù)，一種叫非結(jié)構(gòu)化的數(shù)據(jù)，還有一種叫半結(jié)構(gòu)化的數(shù)據(jù)。
結(jié)構(gòu)化的數(shù)據(jù)：即有固定格式和有限長度的數(shù)據(jù)。例如填的表格就是結(jié)構(gòu)化的數(shù)據(jù)，國籍：中華人民共和國，民族：漢，性別：男，這都叫結(jié)構(gòu)化數(shù)據(jù)。
非結(jié)構(gòu)化的數(shù)據(jù)：現(xiàn)在非結(jié)構(gòu)化的數(shù)據(jù)越來越多，就是不定長、無固定格式的數(shù)據(jù)，例如網(wǎng)頁，有時候非常長，有時候幾句話就沒了；例如語音，視頻都是非結(jié)構(gòu)化的數(shù)據(jù)。
半結(jié)構(gòu)化數(shù)據(jù)：是一些XML或者HTML的格式的，不從事技術(shù)的可能不了解，但也沒有關(guān)系。
其實數(shù)據(jù)本身不是有用的，必須要經(jīng)過一定的處理。例如你每天跑步帶個手環(huán)收集的也是數(shù)據(jù)，網(wǎng)上這么多網(wǎng)頁也是數(shù)據(jù)，我們稱為Data。數(shù)據(jù)本身沒有什么用處，但數(shù)據(jù)里面包含一個很重要的東西，叫做信息（Information）。
數(shù)據(jù)十分雜亂，經(jīng)過梳理和清洗，才能夠稱為信息。信息會包含很多規(guī)律，我們需要從信息中將規(guī)律總結(jié)出來，稱為知識（Knowledge），而知識改變命運。信息是很多的，但有人看到了信息相當(dāng)于白看，但有人就從信息中看到了電商的未來，有人看到了直播的未來，所以人家就牛了。如果你沒有從信息中提取出知識，天天看朋友圈也只能在互聯(lián)網(wǎng)滾滾大潮中做個看客。
有了知識，然后利用這些知識去應(yīng)用于實戰(zhàn)，有的人會做得非常好，這個東西叫做智慧（Intelligence）。有知識并不一定有智慧，例如好多學(xué)者很有知識，已經(jīng)發(fā)生的事情可以從各個角度分析得頭頭是道，但一到實干就歇菜，并不能轉(zhuǎn)化成為智慧。而很多的創(chuàng)業(yè)家之所以偉大，就是通過獲得的知識應(yīng)用于實踐，最后做了很大的生意。
所以數(shù)據(jù)的應(yīng)用分這四個步驟：數(shù)據(jù)、信息、知識、智慧。
最終的階段是很多商家都想要的。你看我收集了這么多的數(shù)據(jù)，能不能基于這些數(shù)據(jù)來幫我做下一步的決策，改善我的產(chǎn)品。例如讓用戶看視頻的時候旁邊彈出廣告，正好是他想買的東西；再如讓用戶聽音樂時，另外推薦一些他非常想聽的其他音樂。
用戶在我的應(yīng)用或者網(wǎng)站上隨便點點鼠標，輸入文字對我來說都是數(shù)據(jù)，我就是要將其中某些東西提取出來、指導(dǎo)實踐、形成智慧，讓用戶陷入到我的應(yīng)用里面不可自拔，上了我的網(wǎng)就不想離開，手不停地點、不停地買。
很多人說雙十一我都想斷網(wǎng)了，我老婆在上面不斷地買買買，買了A又推薦B，老婆大人說，“哎呀，B也是我喜歡的啊，老公我要買”。你說這個程序怎么這么牛，這么有智慧，比我還了解我老婆，這件事情是怎么做到的呢？
2數(shù)據(jù)如何升華為智慧
數(shù)據(jù)的處理分幾個步驟，完成了才最后會有智慧。
第一個步驟叫數(shù)據(jù)的收集。首先得有數(shù)據(jù)，數(shù)據(jù)的收集有兩個方式：
第一個方式是拿，專業(yè)點的說法叫抓取或者爬取。例如搜索引擎就是這么做的：它把網(wǎng)上的所有的信息都下載到它的數(shù)據(jù)中心，然后你一搜才能搜出來。比如你去搜索的時候，結(jié)果會是一個列表，這個列表為什么會在搜索引擎的公司里面？就是因為他把數(shù)據(jù)都拿下來了，但是你一點鏈接，點出來這個網(wǎng)站就不在搜索引擎它們公司了。比如說新浪有個新聞，你拿百度搜出來，你不點的時候，那一頁在百度數(shù)據(jù)中心，一點出來的網(wǎng)頁就是在新浪的數(shù)據(jù)中心了。
第二個方式是推送，有很多終端可以幫我收集數(shù)據(jù)。比如說小米手環(huán)，可以將你每天跑步的數(shù)據(jù)，心跳的數(shù)據(jù)，睡眠的數(shù)據(jù)都上傳到數(shù)據(jù)中心里面。
第二個步驟是數(shù)據(jù)的傳輸。一般會通過隊列方式進行，因為數(shù)據(jù)量實在是太大了，數(shù)據(jù)必須經(jīng)過處理才會有用?？上到y(tǒng)處理不過來，只好排好隊，慢慢處理。
第三個步驟是數(shù)據(jù)的存儲?，F(xiàn)在數(shù)據(jù)就是金錢，掌握了數(shù)據(jù)就相當(dāng)于掌握了錢。要不然網(wǎng)站怎么知道你想買什么？就是因為它有你歷史的交易的數(shù)據(jù)，這個信息可不能給別人，十分寶貴，所以需要存儲下來。
第四個步驟是數(shù)據(jù)的處理和分析。上面存儲的數(shù)據(jù)是原始數(shù)據(jù)，原始數(shù)據(jù)多是雜亂無章的，有很多垃圾數(shù)據(jù)在里面，因而需要清洗和過濾，得到一些高質(zhì)量的數(shù)據(jù)。對于高質(zhì)量的數(shù)據(jù)，就可以進行分析，從而對數(shù)據(jù)進行分類，或者發(fā)現(xiàn)數(shù)據(jù)之間的相互關(guān)系，得到知識。
比如盛傳的沃爾瑪超市的啤酒和尿布的故事，就是通過對人們的購買數(shù)據(jù)進行分析，發(fā)現(xiàn)了男人一般買尿布的時候，會同時購買啤酒，這樣就發(fā)現(xiàn)了啤酒和尿布之間的相互關(guān)系，獲得知識，然后應(yīng)用到實踐中，將啤酒和尿布的柜臺弄的很近，就獲得了智慧。
第五個步驟是對于數(shù)據(jù)的檢索和挖掘。檢索就是搜索，所謂外事不決問Google，內(nèi)事不決問百度。內(nèi)外兩大搜索引擎都是將分析后的數(shù)據(jù)放入搜索引擎，因此人們想尋找信息的時候，一搜就有了。
另外就是挖掘，僅僅搜索出來已經(jīng)不能滿足人們的要求了，還需要從信息中挖掘出相互的關(guān)系。比如財經(jīng)搜索，當(dāng)搜索某個公司股票的時候，該公司的高管是不是也應(yīng)該被挖掘出來呢？如果僅僅搜索出這個公司的股票發(fā)現(xiàn)漲的特別好，于是你就去買了，其實其高管發(fā)了一個聲明，對股票十分不利，第二天就跌了，這不坑害廣大股民么？所以通過各種算法挖掘數(shù)據(jù)中的關(guān)系，形成知識庫，十分重要。
大數(shù)據(jù)時代，眾人拾柴火焰高
當(dāng)數(shù)據(jù)量很小時，很少的幾臺機器就能解決。慢慢的，當(dāng)數(shù)據(jù)量越來越大，最牛的服務(wù)器都解決不了問題時，怎么辦呢？這時就要聚合多臺機器的力量，大家齊心協(xié)力一起把這個事搞定，眾人拾柴火焰高。
對于數(shù)據(jù)的收集：就IoT來講，外面部署這成千上萬的檢測設(shè)備，將大量的溫度、濕度、監(jiān)控、電力等數(shù)據(jù)統(tǒng)統(tǒng)收集上來；就互聯(lián)網(wǎng)網(wǎng)頁的搜索引擎來講，需要將整個互聯(lián)網(wǎng)所有的網(wǎng)頁都下載下來。這顯然一臺機器做不到，需要多臺機器組成網(wǎng)絡(luò)爬蟲系統(tǒng)，每臺機器下載一部分，同時工作，才能在有限的時間內(nèi)，將海量的網(wǎng)頁下載完畢。
對于數(shù)據(jù)的傳輸：一個內(nèi)存里面的隊列肯定會被大量的數(shù)據(jù)擠爆掉，于是就產(chǎn)生了基于硬盤的分布式隊列，這樣隊列可以多臺機器同時傳輸，隨你數(shù)據(jù)量多大，只要我的隊列足夠多，管道足夠粗，就能夠撐得住。
對于數(shù)據(jù)的存儲：一臺機器的文件系統(tǒng)肯定是放不下的，所以需要一個很大的分布式文件系統(tǒng)來做這件事情，把多臺機器的硬盤打成一塊大的文件系統(tǒng)。
對于數(shù)據(jù)的分析：可能需要對大量的數(shù)據(jù)做分解、統(tǒng)計、匯總，一臺機器肯定搞不定，處理到猴年馬月也分析不完。于是就有分布式計算的方法，將大量的數(shù)據(jù)分成小份，每臺機器處理一小份，多臺機器并行處理，很快就能算完。例如著名的Terasort對1個TB的數(shù)據(jù)排序，相當(dāng)于1000G，如果單機處理，怎么也要幾個小時，但并行處理209秒就完成了。
所以說什么叫做大數(shù)據(jù)？說白了就是一臺機器干不完，大家一起干。可是隨著數(shù)據(jù)量越來越大，很多不大的公司都需要處理相當(dāng)多的數(shù)據(jù)，這些小公司沒有這么多機器可怎么辦呢？
說到這里，大家想起云計算了吧。當(dāng)想要干這些活時，需要很多的機器一塊做，真的是想什么時候要就什么時候要，想要多少就要多少。
例如大數(shù)據(jù)分析公司的財務(wù)情況，可能一周分析一次，如果要把這一百臺機器或者一千臺機器都在那放著，一周用一次非常浪費。那能不能需要計算的時候，把這一千臺機器拿出來；不算的時候，讓這一千臺機器去干別的事情？
誰能做這個事兒呢？只有云計算，可以為大數(shù)據(jù)的運算提供資源層的靈活性。而云計算也會部署大數(shù)據(jù)放到它的PaaS平臺上，作為一個非常非常重要的通用應(yīng)用。因為大數(shù)據(jù)平臺能夠使得多臺機器一起干一個事兒，這個東西不是一般人能開發(fā)出來的，也不是一般人玩得轉(zhuǎn)的，怎么也得雇個幾十上百號人才能把這個玩起來。
所以說就像數(shù)據(jù)庫一樣，其實還是需要有一幫專業(yè)的人來玩這個東西?，F(xiàn)在公有云上基本上都會有大數(shù)據(jù)的解決方案了，一個小公司需要大數(shù)據(jù)平臺的時候，不需要采購一千臺機器，只要到公有云上一點，這一千臺機器都出來了，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺，只要把數(shù)據(jù)放進去算就可以了。
云計算需要大數(shù)據(jù)，大數(shù)據(jù)需要云計算，二者就這樣結(jié)合了。
