Ⅰ 大數據是什麼，是怎麼帶動經濟發展的
大數據的概念
概念：難以用常規的資料庫工具獲取、存儲、管理、分析的數據集合。
特徵：
1、數據量大：起始單位是PB級的。
1KB=1024B
1MB=1024KB
1GB=1024MB
1TB=1024GB
1PB=1024TB
1EB=1024PB
1ZB=1024EB
2、類型多：
結構化、板結構化、非結構化：網諾日誌、音頻、視頻、圖片、地理位置等信息混雜。
3、價值密度低：
獲取數據的價值就像是淘金一般。
4、速度快時效高：
數據呈指數倍增長，時效性要求高，比如搜索引擎要求幾分鍾前的新聞能夠被用戶查詢到，個性化推薦演算法盡可能的完成實時推薦。
5、永遠在線：
大數據時代的數據是永遠在線的，隨時應用計算，這也是區別於傳統的數據的最大特徵。
大數據從哪來
1、搜索引擎服務
網路數據量1000PB，每天響應138個國家數十億次請求，每日新增10TB
2、電子商務
3、社交網路
QQ：8.5億用戶，用4400台伺服器存儲用戶產生的信息，壓縮後的數據100PB，每天新增200~300TB
4、音視頻在線服務
5、個人數據業務
6、地理信息數據
7、傳統企業
8、公共機構
智慧城市：攝像頭拍攝的圖片，1080P高清網路攝像機一月產生1.8TB數據，大點的城市50萬個攝像頭，一個月3PB的數據量。
醫療、中國的氣象系統。
大數據的存儲與計算模式
存儲：
面臨的問題：數據量大、類型復雜（結構化、非結構化、半結構化）
關鍵技術：
1、分布式文件系統（高效元數據管理技術、系統彈性擴展技術、存儲層級內的優化、針對應用和負載的存儲優化技術、針對存儲器件的優化技術）
2、分布式資料庫
事務性資料庫技術：NoSQL：（支持非關系資料庫、具有多個節點分割和復制數據的能力、用最終一致性機制解決並發讀操作與控制問題、充分利用分布式索引及內存提高性能）代表有：BigTable、HBase、MongoDB、Dynamo。
分析型的資料庫技術：Hive 、Impala
3、大數據索引和查詢技術
4、實時流式大數據存儲與處理技術
計算：
面臨的問題：數據結構特徵、並行計算（以分布式文件為基礎的Hadoop以分布式內存緩存為基礎的Spark）、數據獲取（批處理流處理）、數據處理類型（傳統查詢數據挖掘分析計算）、實時響應性能、迭代計算、數據關聯性（先map一下再rece一下）。
關鍵技術：
1、大數據查詢分析計算模式與技術：HBase、Hive、Cassandra、Impala
2、批處理計算：Hadoop MapRece、Spark
3、流式計算：Storm、Spark Steaming
4、圖計算：Giraph、GraphX
5、內存計算：Spark、Hana（SAP公司全內存式分布式資料庫系統）、Dremel
應用領域
1、智慧醫療（臨床數據、公共衛生數據、移動醫療健康數據）（共享疾病案例，基因分類參考）
2、智慧農業（主要指依據商業需求進行農產品生產，降低菜殘傷農概率）
3、金融行業：
精準的營銷：根據可與習慣進行推銷
風險管控：根據用戶的交易流水實施反欺詐
決策支持：抵押貸款這一塊，實施產業信貸的風險控制。
效率提升：加快內部數據處理。
產品設計：根據客戶的投資行為設計滿足客戶需求的金融產品。
4、零售行業（對零售商來說：精準營銷（降低營銷成本，擴大營銷額）；對廠商：降低產品過剩）
5、電子商務行業
6、電子政務
希望對您有所幫助！~