大数据简介
大数据（big data），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
Gartner定义的大数据：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
MGI麦肯锡全球研究所定义的大数据：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
1、大数据的单位
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。最小的基本单位是bit，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。它们按照进率1024（2的十次方）来计算：
1 Byte =8 bit
1 KB = 1,024 Bytes = 8192 bit
1 MB = 1,024 KB = 1,048,576 Bytes
1 GB = 1,024 MB = 1,048,576 KB
1 TB = 1,024 GB = 1,048,576 MB
1 PB = 1,024 TB = 1,048,576 GB
1 EB = 1,024 PB = 1,048,576 TB
1 ZB = 1,024 EB = 1,048,576 PB
1 YB = 1,024 ZB = 1,048,576 EB
1 BB = 1,024 YB = 1,048,576 ZB
1 NB = 1,024 BB = 1,048,576 YB
1 DB = 1,024 NB = 1,048,576 BB
2、大数据的5V特点——Volume、Velocity、Variety、Value、Veracity
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
3、大数据的价值体现
大数据的主要价值——辅助决策。利用大数据分析，能够总结经验、发现规律、预测趋势，这些都可以为辅助决策服务。只有掌握的数据信息越多，人类的决策才能更加科学、精确、合理。从这个方面看，也可以说数据本身不产生价值，大数据必须和其他具体的领域、行业相结合，能够给企业决策提供帮助之后，才具有价值。很多企业都可以借助大数据，提升管理、决策水平，提升经济效益。
（1）对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；
（2）做小而美模式的中小微企业可以利用大数据做服务转型；
（3）面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
4、大数据与云计算密不可分
大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
以Hadoop生态系统为基础带你了解大数据必须掌握的那些知识
大数据技术应用场景
大数据技术可以应用在各个领域，比如公安大数据、交通大数据、医疗大数据、就业大数据、环境大数据、图像大数据、视频大数据等等，应用范围非常广泛，大数据技术已经像空气一样渗透在生活的方方面面。大数据技术的出现将社会带入了一个高速发展的时代，这不仅是信息技术的终极目标，也是人类社会发展管理智能化的核心技术驱动力。
1、经典应用场景
（1）及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。
（2）为成千上万的快递车辆规划实时交通路线，躲避拥堵。
（3）分析所有SKU，以利润最大化为目标来定价和清理库存。
（4）根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
（5）从大量客户中快速识别出金牌客户。
（6）使用点击流分析和数据挖掘来规避欺诈行为。
大数据核心技术
1、linux基础
Linux是一种自由和开放源代码的bai类duUnix操作系统，以Unix为原型改造的，一个多用户多任务的操作系统，任何人都可以修改其代码和页面，主要的目的就是为了不收商业化的限制，服务器部署在linux系统上会更加高效稳定、安全。云计算、大数据的发展是基于开源软件的平台，Linux占据优势， 大数据的分布式集群（ Hadoop，Spark ）都是搭建在多台 Linux 系统上，对集群的执行命令都是在 Linux 终端窗口输入的。
在大数据体系中，基本都是开源软件，这些开源软件都是在开源的linux系统上运行的，所以，基本的linux操作一定要会，比如：
系统管理操作
基本的用户管理
文件权限的操作
文件系统操作
shell编程
推荐文章：Linux：Linux系统新手教程—linux系统使用攻略之常见操作、常用快捷键
2、编程语言——Java、Python
基础需要Java语言，数据科学处理需要Python语言等等。
3、分布式存储框架——Hadoop生态系统+列式存储数据库HBase
学习大数据，必须学习大数据核心知识Hadoop生态系统
HDFS技术：
HBase技术：
Hive数据仓库工具：
Spark大数据离线分析：
Sqoop使用流程
数据实时分析Storm
消息订阅分发系统Kafka等
推荐文章：
BigData之Hadoop：Hadoop的简介、深入理解、下载、案例应用之详细攻略
BigData之Hbase：Hbase数据管理的简介、下载、案例应用之详细攻略
BigData之Hive：Hive数据管理的简介、下载、案例应用之详细攻略
BigData之MongoDB：MongoDB基于分布式文件存储数据库的简介、下载、案例应用之详细攻略
BigData之Spark：Spark计算引擎的简介、下载、经典案例之详细攻略
4、资源调度框架——Docker
Docker可是整整火了最近一两年。各个公司都在发力基于Docker的容器解决方案，最有名的开源容器调度框架就是K8S了，但同样著名的还有Hadoop的YARN和Apache Mesos。
推荐文章：Docker：Docker的简介、安装、使用方法之详细攻略
https://yunyaniu.blog.csdn.net/article/details/103456785
