标签：实时计算 联网 class 智慧医疗 速度 阿里 战略 文档 灾备
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 | Inter、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 |
| 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GFS和MapReduce等大数据技术收到追捧，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 |
大量化（Volume）、快速化（Velocity）、多样化（Variety）、价值化（Value）
大数据不仅仅是数据的“大量化”，而是包含“快速化”、“多样化”和“价值化”等多重属性。
根据IDC作出的估测，数据一致都在以每年50%的速度增长，也就是说每两年就增长一倍（大数据摩尔定律）;
人类在最近两年产生的数据量相当于之前产生的全部数据量;
预测到2020年，全球将总共拥有35ZB的数据量，相较于2010年，数据量将增长近30倍。
大数据是有结构化和非结构化的
从数据的生成到消耗，时间窗口非常小，可用于生成决策的时间非常少
1秒定律：这一点也是和传统的数据挖掘技术有着本质的不同
价值密度低，商业价值高
图灵奖获得者、著名数据库专家Jim Gray博士观察并总结人类自古以来，在科学研究上，先后历经了实验、理论、计算和数据四种范式。
大数据无处不在，包括在金融、汽车、零售、餐饮、电信、能源、政务、医疗、体育、娱乐等在内的社会各行各业都已经融入了大数据的印迹。
“谷歌流感趋势”，通过跟踪搜索词相关数据来判断全美地区的流感状况。相对于传统的疾病监测，具有更高的时效性。
大数据技术的不同层面及其功能
| 技术层面 | 功能 |
|---|---|
| 数据采集 | 利用ETL工具将分布的、异构的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，帮助人们更好的理解数据、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 |
大数据计算模式及其代表产品
| 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、Super Mario、银河六数据处理平台 |
| 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 |
不同的产品服务于不同的计算问题。
大数据产业是指一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合。
| 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、体检结构）、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（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、SQL Server、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 |
云计算、大数据和物联网代表了IT领域最新的技术发展趋势，三者相辅相成，既有联系又有区别。
云计算实现了通过网络提供可伸缩的、廉价的分布式计算能力，用户只需要在具备网络接入的条件的地方，就可以随时地获得所需要的各种IT资源。
包括：虚拟化、分布式存储、分布式计算、多租户等。
物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化和远程管理控制
物联网中的关键技术包括识别和感知技术（二维码、RFID、传感器等）、网络与通信技术、数据挖掘与融合技术等
物联网已经广泛应用于智能交通、智能医疗、智能家居、环保监测、智能安防、智能物流、智能电网、智慧农业、智能工业等领域，对国名经济与社会发展起到了重要的推动作用
完整的物联网产业链主要包括核心感应器件提供商、感知层末端设备服务提供商、网络供应商、软件与行业解决方案提供商、系统集成商、运营及服务提供商等六大环节
云计算、大数据和物联网代表了IT领域最新的技术发展趋势，三者既有区别又有联系。
《大数据技术原理与应用（第2版）》厦门大学 林子雨 编著，人民邮电出版社
标签：实时计算 联网 class 智慧医疗 速度 阿里 战略 文档 灾备
原文地址：https://www.cnblogs.com/yan-lei/p/9042713.html
