大數(shù)據(jù)培訓(xùn):10個(gè)熱門的大數(shù)據(jù)技術(shù)

　　大數(shù)據(jù)已經(jīng)融入到各行各業(yè)，哪些大數(shù)據(jù)技術(shù)是最受歡迎?哪些大數(shù)據(jù)技術(shù)潛力巨大?看看傳智播客對(duì)10個(gè)最熱門的大數(shù)據(jù)技術(shù)的介紹。

　　(一)預(yù)測(cè)分析

　　預(yù)測(cè)分析是一種統(tǒng)計(jì)或數(shù)據(jù)挖掘解決方案，包含可在結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中使用以確定未來結(jié)果的算法和技術(shù)。可為預(yù)測(cè)、優(yōu)化、預(yù)報(bào)和模擬等許多其他用途而部署。隨著現(xiàn)在硬件和軟件解決方案的成熟，許多公司利用大數(shù)據(jù)技術(shù)來收集海量數(shù)據(jù)、訓(xùn)練模型、優(yōu)化模型，并發(fā)布預(yù)測(cè)模型來提高業(yè)務(wù)水平或者避免風(fēng)險(xiǎn);當(dāng)前最流行的預(yù)測(cè)分析工具當(dāng)屬IBM公司的SPSS,SPSS這個(gè)軟件大家都已經(jīng)很熟悉了，它集數(shù)據(jù)錄入、整理、分析功能于一身。用戶可以根據(jù)實(shí)際需要和計(jì)算機(jī)的功能選擇模塊，SPSS的分析結(jié)果清晰、直觀、易學(xué)易用，而且可以直接讀取EXCEL及DBF數(shù)據(jù)文件，現(xiàn)已推廣到多種各種操作系統(tǒng)的計(jì)算機(jī)上。

　　(二)NoSQL數(shù)據(jù)庫

　　非關(guān)系型數(shù)據(jù)庫包括Key-value型(Redis)數(shù)據(jù)庫、文檔型(MonogoDB)數(shù)據(jù)庫、圖型(Neo4j)數(shù)據(jù)庫;雖然NoSQL流行語火起來才短短一年的時(shí)間，但是不可否認(rèn)，現(xiàn)在已經(jīng)開始了第二代運(yùn)動(dòng)。盡管早期的堆棧代碼只能算是一種實(shí)驗(yàn)，然而現(xiàn)在的系統(tǒng)已經(jīng)更加的成熟、穩(wěn)定。

　　(三)搜索和認(rèn)知商業(yè)

　　當(dāng)今時(shí)代大數(shù)據(jù)與分析已經(jīng)發(fā)展到一個(gè)新的高度，那就是認(rèn)知時(shí)代，認(rèn)知時(shí)代不再是簡(jiǎn)單的數(shù)據(jù)分析與展示，它更多的是上升到一個(gè)利用數(shù)據(jù)來支撐人機(jī)交互的一種模式，例如前段時(shí)間的圍棋大戰(zhàn)，就是一個(gè)很好的應(yīng)用、現(xiàn)已經(jīng)逐步推廣到機(jī)器人的應(yīng)用上面，也就是下一個(gè)經(jīng)濟(jì)爆發(fā)點(diǎn)——人工智能，互聯(lián)網(wǎng)人都比較熟悉國內(nèi)的BAT，以及國外的apple、google、facebook、IBM、微軟、亞馬遜等等;可以大致看一下他們的商業(yè)布局，未來全是往人工智能方向發(fā)展，當(dāng)然目前在認(rèn)知商業(yè)這一塊IBM當(dāng)屬領(lǐng)頭羊，特別是當(dāng)前主推的watson這個(gè)產(chǎn)品，以及取得了非常棒的效果。

　　(四)流式分析

　　目前流式計(jì)算是業(yè)界研究的一個(gè)熱點(diǎn)，最近Twitter、LinkedIn等公司相繼開源了流式計(jì)算系統(tǒng)Storm、Kafka等，加上Yahoo!之前開源的S4，流式計(jì)算研究在互聯(lián)網(wǎng)領(lǐng)域持續(xù)升溫，流式分析可以對(duì)多個(gè)高吞吐量的數(shù)據(jù)源進(jìn)行實(shí)時(shí)的清洗、聚合和分析;對(duì)存在于社交網(wǎng)站、博客、電子郵件、視頻、新聞、電話記錄、傳輸數(shù)據(jù)、電子感應(yīng)器之中的數(shù)字格式的信息流進(jìn)行快速處理并反饋的需求。目前大數(shù)據(jù)流分析平臺(tái)有很多、如開源的spark，以及ibm的streams。

　　(五)內(nèi)存數(shù)據(jù)結(jié)構(gòu)

　　通過動(dòng)態(tài)隨機(jī)內(nèi)存訪問(DRAM)、Flash和SSD等分布式存儲(chǔ)系統(tǒng)提供海量數(shù)據(jù)的低延時(shí)訪問和處理;

　　(六)分布式存儲(chǔ)系統(tǒng)

　　分布式存儲(chǔ)是指存儲(chǔ)節(jié)點(diǎn)大于一個(gè)、數(shù)據(jù)保存多副本以及高性能的計(jì)算網(wǎng)絡(luò);利用多臺(tái)存儲(chǔ)服務(wù)器分擔(dān)存儲(chǔ)負(fù)荷，利用位置服務(wù)器定位存儲(chǔ)信息，它不但提高了系統(tǒng)的可靠性、可用性和存取效率，還易于擴(kuò)展。當(dāng)前開源的HDFS還是非常不錯(cuò)，有需要的朋友可以深入了解一下。

　　(七)數(shù)據(jù)可視化

　　數(shù)據(jù)可視化技術(shù)是指對(duì)各類型數(shù)據(jù)源(包括hadoop上的海量數(shù)據(jù)以及實(shí)時(shí)和接近實(shí)時(shí)的分布式數(shù)據(jù))進(jìn)行顯示;當(dāng)前國內(nèi)外數(shù)據(jù)分析展示的產(chǎn)品很多，如果是企業(yè)單位以及政府單位建議使用cognos，安全、穩(wěn)定、功能強(qiáng)大、支持大數(shù)據(jù)、非常不錯(cuò)的選擇。

　　(八)數(shù)據(jù)整合

　　通過亞馬遜彈性MR(EMR)、Hive、Pig、Spark、MapReduce、Couchbase、Hadoop和MongoDB等軟件進(jìn)行業(yè)務(wù)數(shù)據(jù)整合;

　　(九)數(shù)據(jù)預(yù)處理

　　數(shù)據(jù)整合是指對(duì)數(shù)據(jù)源進(jìn)行清洗、裁剪，并共享多樣化數(shù)據(jù)來加快數(shù)據(jù)分析;

　　(十)數(shù)據(jù)校驗(yàn)

　　對(duì)分布式存儲(chǔ)系統(tǒng)和數(shù)據(jù)庫上的海量、高頻率數(shù)據(jù)集進(jìn)行數(shù)據(jù)校驗(yàn)，去除非法數(shù)據(jù)，補(bǔ)全缺失。數(shù)據(jù)整合、處理、校驗(yàn)在目前已經(jīng)統(tǒng)稱為ETL，ETL過程可以把結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行清洗、抽取、轉(zhuǎn)換成你需要的數(shù)據(jù)、同時(shí)還可以保障數(shù)據(jù)的安全性以及完整性、關(guān)于ETL的產(chǎn)品推薦使用datastage就行、對(duì)于任何數(shù)據(jù)源都可以完美處理。