【大數據基礎知識】什么是大數據

大數據首先是一個非常大的數據集，可以達到TB(萬億字節)甚至ZB(十萬億億字節)。這里面的數據可能既有結構化的數據，也有半結構化和非結構化的數據，而且來自于不同的數據源。

結構化的數據是什么呢？對于接觸過關系型數據庫的小伙伴來說，應該一點都不陌生。對了，就是我們關系型數據庫中的一張表，每行都具有相同的屬性。如下面的一張表：

每行數據都有相同的屬性，這就是結構化的數據。

我們再來看半結構化數據。XML或JSON格式的數據就是我們所常見的半結構的數據。如，下面所示的XML數據：

（子標簽的次序和個數不一定完全一致）

那什么又是非結構化數據呢?這類數據沒有預定義完整的數據結構，在我們日常工作生活中可能更多接觸的就是這類數據，比如，圖片、圖像、音頻、視頻、辦公文檔等等。

知道了這三類結構的數據，我們再來看看大數據的數據源有哪些呢?歸納起來大致有五種數據源。

一是社交媒體平臺。如有名氣的Facebook、Twitter、YouTube和Instagram等。媒體是比較受歡迎的大數據來源之一，因為它提供了關于消費者偏好和變化趨勢的寶貴依據。并且因為媒體是自我傳播的，可以跨越物理和人口障礙，因此它是企業深入了解目標受眾、得出模式和結論、增強決策能力的方式。

二是云平臺。公有的、私有的和第三方的云平臺。如今，越來越多的企業將數據轉移到云上，超越了傳統的數據源。云存儲支持結構化和非結構化數據，并為業務提供實時信息和隨需應變的依據。云計算的主要特性是靈活性和可伸縮性。由于大數據可以通過網絡和服務器在公共或私有云上存儲和獲取，因此云是一種高效、經濟的數據源。

三是Web資源。公共網絡構成了廣泛且易于訪問的大數據，個人和公司都可以從網上或“互聯網”上獲得數據。此外，國內的大型購物網站，淘寶、京東、阿里巴巴，更是云集了海量的用戶數據。

四是IoT(Internet of Things)物聯網數據源。物聯網目前正處于迅猛發展勢頭。有了物聯網，我們不僅可以從電腦和智能手機獲取數據，還可以從醫療設備、車輛流程、視頻游戲、儀表、相機、家用電器等方面獲取數據。這些都構成了大數據寶貴的數據來源。

五是來自于數據庫的數據源。現今的企業都喜歡融合使用傳統和現代數據庫來獲取相關的大數據。這些數據都是企業驅動業務利潤的寶貴資源。常見的數據庫有MS Access、DB2、Oracle、MySQL以及大數據的數據庫Hbase、MongoDB等。

我們再來總結一下，什么樣的數據就屬于大數據呢？通常來大數據有4個特點，這就是業內人士常說的4V，volume容量、 variety多樣性、velocity速度和veracity準確性。