11大數(shù)據(jù)從何而來，互聯(lián)網(wǎng)技術(shù)發(fā)展現(xiàn)狀？什么是大數(shù)據(jù)、云計算與大數(shù)據(jù)有什么關(guān)系、大數(shù)據(jù)類型？大數(shù)據(jù)如何獲取、存儲、處理、分析的技術(shù)？大數(shù)據(jù)怎么用、未來發(fā)展趨勢？Question2大數(shù)據(jù)從何而來，互聯(lián)網(wǎng)技術(shù)發(fā)展現(xiàn)狀？Question2精品資料3精品資料3你怎么稱呼老師？如果老師最后沒有總結(jié)一節(jié)課的重點(diǎn)的難點(diǎn)，你是否會認(rèn)為老師的教學(xué)方法需要改進(jìn)？你所經(jīng)歷的課堂，是講座式還是討論式？教師的教鞭“不怕太陽曬，也不怕那風(fēng)雨狂，只怕先生罵我笨，沒有學(xué)問無顏見爹娘……”“太陽當(dāng)空照，花兒對我笑，小鳥說早早早……”44互聯(lián)網(wǎng)發(fā)展趨勢物物互聯(lián)人人互聯(lián)人物互聯(lián)5互聯(lián)網(wǎng)發(fā)展趨勢物物互聯(lián)人人互聯(lián)人物互聯(lián)52024/4/36風(fēng)云變幻中……62024/4/26風(fēng)云變幻中……6772024/4/381.大數(shù)據(jù)(BigData)所謂“大數(shù)據(jù)”（bigdata）指的是這樣一種現(xiàn)象：一個公司日常運(yùn)營所生成和積累用戶行為數(shù)據(jù)“增長如此之快，以至于難以使用現(xiàn)有的數(shù)據(jù)庫管理工具來駕馭，困難存在于數(shù)據(jù)的獲取、存儲、檢索、共享、分析和可視化等方面。”這些數(shù)據(jù)量是如此之大，已經(jīng)不是以我們所熟悉G或T為單位來衡量，而是以P、E或Z為計量單位，所以稱之為大數(shù)據(jù)。82024/4/281.大數(shù)據(jù)(BigData)所謂“大數(shù)大數(shù)據(jù)的4V特性體量Volume多樣性Variety價值密度Value速度Velocity非結(jié)構(gòu)化數(shù)據(jù)的超大規(guī)模和增長總數(shù)據(jù)量的80~90%比結(jié)構(gòu)化數(shù)據(jù)增長快10倍到50倍是傳統(tǒng)數(shù)據(jù)倉庫的10倍到50倍大數(shù)據(jù)的異構(gòu)和多樣性很多不同形式（文本、圖像、視頻、機(jī)器數(shù)據(jù)）無模式或者模式不明顯不連貫的語法或句義大量的不相關(guān)信息對未來趨勢與模式的可預(yù)測分析深度復(fù)雜分析（機(jī)器學(xué)習(xí)、人工智能Vs傳統(tǒng)商務(wù)智能(咨詢、報告等）實時分析而非批量式分析數(shù)據(jù)輸入、處理與丟棄立竿見影而非事后見效9大數(shù)據(jù)的4V特性體量Volume多樣性Variety價值密度2.什么是云計算？

云計算將計算任務(wù)分布在大量計算機(jī)構(gòu)成的資源池上，是各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計算力、存儲空間和各種軟件服務(wù)。云計算的“云”就是存在于互聯(lián)網(wǎng)上的服務(wù)器集群上的資源，它包括硬件資源（服務(wù)器、存儲器、CPU等）和軟件資源（如應(yīng)用軟件、集成開發(fā)環(huán)境等）本地計算機(jī)只需要通過互聯(lián)網(wǎng)發(fā)送一個需求信息，遠(yuǎn)端就會有成千上萬的計算機(jī)為你提供需要的資源并將結(jié)果返回本地計算機(jī)。102.什么是云計算？云計算將計算任務(wù)分布在大量11113.大數(shù)據(jù)類型：結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)模型：結(jié)構(gòu)化數(shù)據(jù)：二維表（關(guān)系型）半結(jié)構(gòu)化數(shù)據(jù)：樹、圖非結(jié)構(gòu)化數(shù)據(jù)：無結(jié)構(gòu)化數(shù)據(jù)：先有結(jié)構(gòu)、再有數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)：先有數(shù)據(jù)，再有結(jié)構(gòu) 123.大數(shù)據(jù)類型：結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)模型：12虛擬數(shù)據(jù)庫信息管理系統(tǒng)（HIS）電子病歷2024/4/3銷售管理系統(tǒng)13關(guān)系數(shù)據(jù)庫曾經(jīng)是萬能的關(guān)系數(shù)據(jù)模型CRM客戶關(guān)系管理實時監(jiān)控平臺遠(yuǎn)程監(jiān)護(hù)平臺13虛擬數(shù)據(jù)庫信息管理系統(tǒng)（HIS）電子病歷2024/4/2銷售1414Google大數(shù)據(jù)處理技術(shù)作用：-成本降低，能用PC機(jī)，不用大型機(jī)和高端存儲-軟件容錯硬件故障視為常態(tài)，通過軟件保證可靠性-簡化并行分布式計算，無須控制節(jié)點(diǎn)同步和數(shù)據(jù)交換-Google文件系統(tǒng)GFS(GoogleFileSystem)-并行數(shù)據(jù)處理MapReduce-結(jié)構(gòu)化數(shù)據(jù)表BigTable-分布式鎖管理Chubby15Google大數(shù)據(jù)處理技術(shù)作用：-Google文件系統(tǒng)G技術(shù)變革云計算：把集中的運(yùn)算分散開來物聯(lián)網(wǎng)：把分散的設(shè)備連在一起Hadoop：把大數(shù)據(jù)切成小模塊16技術(shù)變革云計算：把集中的運(yùn)算分散開來物聯(lián)網(wǎng)：把分散的設(shè)備連在大數(shù)據(jù)處理技術(shù)——Hadoop開源Apache項目，靈感來源于Google的三篇論文：BigTable、MapReduce、GFS；Hadoop核心組件包括： -分布式文件系統(tǒng)（HDFS） -分布式數(shù)據(jù)庫存儲系統(tǒng)（Hbase） -分布式計算構(gòu)架（MapReduce）使用Java編寫運(yùn)行平臺：Linux17大數(shù)據(jù)處理技術(shù)——Hadoop開源Apache項目，靈感來源1818HDFS體系架構(gòu)HDFS：-分布式文件存儲系統(tǒng)，存儲海量的數(shù)據(jù)；-數(shù)據(jù)冗余，硬件容錯；-流式的數(shù)據(jù)訪問；-存儲大文件;-適合數(shù)據(jù)批量讀寫，吞吐量高；適一次寫入，多次讀取，順序讀寫。-不適合交互式應(yīng)用，低延遲很難滿足不支持多用戶并發(fā)寫相同文件。HDFS分布式文件系統(tǒng)19HDFS體系架構(gòu)HDFS：HDFS分布式文件系統(tǒng)192020大數(shù)據(jù)系統(tǒng)整體架構(gòu)21大數(shù)據(jù)系統(tǒng)整體架構(gòu)21DataValue：數(shù)據(jù)挖掘與分析數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但潛在的有用信息和知識的過程。22DataValue：數(shù)據(jù)挖掘與分析數(shù)據(jù)挖掘是從大量的、數(shù)據(jù)挖掘與分析知識發(fā)現(xiàn)（KDD）是從數(shù)據(jù)集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的過程。數(shù)據(jù)挖掘是數(shù)據(jù)庫知識發(fā)現(xiàn)（KDD）中不可缺少一部分23數(shù)據(jù)挖掘與分析23數(shù)據(jù)挖掘基本方法預(yù)測建模：將已有數(shù)據(jù)和模型用于對未知變量的語言。（1）分類，用于預(yù)測離散的目標(biāo)變量（2）回歸，用于預(yù)測連續(xù)的目標(biāo)變量關(guān)聯(lián)分析：反映一個事物與其他事物之間的相互依存性和關(guān)聯(lián)性。用來發(fā)現(xiàn)描述數(shù)據(jù)中強(qiáng)關(guān)聯(lián)特征的模式。聚類分析：發(fā)現(xiàn)緊密相關(guān)的觀測值組群，使得與屬于不同簇的觀測值相比，屬于同一簇的觀測值相互之間盡可能類似異常檢測：識別其特征顯著不同于其他數(shù)據(jù)的觀測值24數(shù)據(jù)挖掘基本方法預(yù)測建模：將已有數(shù)據(jù)和模型用于對未知變量的語實戰(zhàn)項目1——Python網(wǎng)絡(luò)爬蟲網(wǎng)絡(luò)爬蟲是一個自動提取網(wǎng)頁的程序/腳本，它可以搜索引擎從萬維網(wǎng)上下載網(wǎng)頁，是搜索引擎的重要組成。做為通用搜索引擎網(wǎng)頁收集器（Google、Baidu）做垂直搜索引擎（51job、zhaoping、chinahr）科學(xué)研究：在線人類行為，在線社群演化，復(fù)雜網(wǎng)絡(luò)，數(shù)據(jù)挖掘領(lǐng)域的實證科學(xué)研究，快速收集大量數(shù)據(jù)Task：攜程數(shù)據(jù)庫（游客數(shù)據(jù)、點(diǎn)評記錄）25實戰(zhàn)項目1——Python網(wǎng)絡(luò)爬蟲網(wǎng)絡(luò)爬蟲是一個自動提取實戰(zhàn)項目2——數(shù)據(jù)分析及可視化應(yīng)用1.Python—2012年美國總統(tǒng)大選數(shù)據(jù)分析2.動態(tài)氣泡圖的實現(xiàn)3.熱力感應(yīng)圖（heatmap.js）26實戰(zhàn)項目2——數(shù)據(jù)分析及可視化應(yīng)用1.Python—201管理大數(shù)據(jù)“易”,理解大數(shù)據(jù)“難”目前大數(shù)據(jù)管理多從架構(gòu)和并行等方面考慮，解決高并發(fā)數(shù)據(jù)存取的性能要求及數(shù)據(jù)存儲的橫向擴(kuò)展，但對非結(jié)構(gòu)化數(shù)據(jù)的內(nèi)容理解仍缺乏實質(zhì)性的突破和進(jìn)展，這是實現(xiàn)大數(shù)據(jù)資源化、知識化、普適化的核心.非結(jié)構(gòu)化海量信息的智能化處理：自然語言理解、多媒體內(nèi)容理解、機(jī)器學(xué)習(xí)等.27管理大數(shù)據(jù)“易”,理解大數(shù)據(jù)“難”27大數(shù)據(jù)驅(qū)動架構(gòu)概念圖28大數(shù)據(jù)驅(qū)動架構(gòu)概念圖282024/4/329大數(shù)據(jù)存儲

云計算技術(shù)是最理想的解決方案??？292024/4/229大數(shù)據(jù)存儲云計算技術(shù)是最理想的解決方案2024/4/330社會計算研究302024/4/230社會計算研究302024/4/331城市計算的基本框架312024/4/231城市計算的基本框架312024/4/3NWU智能信息處理研究所32數(shù)字足跡與城市計算出租車GPS數(shù)字足跡：不同時刻的城市熱點(diǎn)檢測、城市區(qū)域的功能特性分類、路徑規(guī)劃、出租車司機(jī)尋客策略、異常軌跡檢測、城市道路交通流量預(yù)測等；移動社交網(wǎng)絡(luò)數(shù)字足跡：探索個人和群體移動模式、群體事件監(jiān)測、個性化的興趣點(diǎn)推薦和搜索服務(wù)、交叉重疊式社群的發(fā)現(xiàn)與