大家好，我是小棗君。

今天這篇文章，我們來聊聊大數據。

近年來，大數據這個詞的熱度很高，受到公眾的廣泛關注。

對於很多人來說，當他第一次聽到“大數據”這個詞，會自然而然從字面上去理解——認為大數據就是大量的數據，大數據技術就是大量數據的存儲技術。

但事實上，它並不只是一項存儲技術，而是一系列和海量數據相關的抽取、集成、管理、分析、解釋技術。大數據系統，是一個龐大的框架系統。

更進一步來說，大數據是一種全新的思維方式和商業模式。

圖片來自網絡

今天這篇文章，就讓我們來深入了解一下，到底什麼是大數據。

大數據的定義

首先，我們看看大數據的定義。

行業裏對大數據的定義有很多，有廣義的定義，也有狹義的定義。

廣義的定義，有點哲學味道——大數據，是指物理世界到數字世界的映射和提煉。通過發現其中的數據特征，從而做出提升效率的決策行為。

狹義的定義，是技術工程師給的——大數據，是通過獲取、存儲、分析，從大容量數據中挖掘價值的一種全新的技術架構。

相比較而言，狹義定義更好理解一些。

大家注意，關鍵詞我都在上面原句加粗了：

要做什麼?——獲取數據、存儲數據、分析數據

對誰做?——大容量數據

目的是什麼?——挖掘價值

獲取數據、存儲數據、分析數據，這一系列的行為，都不算新奇。我們每天都在用電腦，每天都在幹這個事。

例如，每月的月初，考勤管理員會獲取每個員工的考勤信息，錄入Excel表格，然後存在電腦裏，統計分析有多少人遲到、缺勤，然後扣TA工資。

但是，同樣的行為，放在大數據身上，就行不通了。換言之，傳統個人電腦，傳統常規軟件，無力應對的數據級別，才叫“大數據”。

大數據，到底有多大?

我們傳統的個人電腦，處理的數據，是GB/TB級別。例如，我們的硬盤，現在通常是1TB/2TB/4TB的容量。

TB、GB、MB、KB的關系，大家應該都很熟悉了：

1 KB = 1024 B (KB - kilobyte)

1 MB = 1024 KB (MB - megabyte)

1 GB = 1024 MB (GB - gigabyte)

1 TB = 1024 GB (TB - terabyte)

而大數據是什麼級別呢?PB/EB級別。

大部分人都沒聽過。其實也就是繼續乘以1024：

1 PB = 1024 TB (PB - petabyte)

1 EB = 1024 PB (EB - exabyte)

只是看這幾個字母的話，貌似不是很直觀。我來舉個例子吧。

1TB，只需要一塊硬盤可以存儲。容量大約是20萬張照片或20萬首MP3音樂，或者是20萬部電子書。

普通硬盤

1PB，需要大約2個機櫃的存儲設備。容量大約是2億張照片或2億首MP3音樂。如果一個人不停地聽這些音樂，可以聽1900年。。。

2個機櫃

1EB，需要大約2000個機櫃的存儲設備。如果並排放這些機櫃，可以連綿1.2公裏那麼長。如果擺放在機房裏，需要21個標准籃球場那麼大的機房，才能放得下。

21個籃球場

阿裏、百度、騰訊這樣的互聯網巨頭，數據量據說已經接近EB級。

阿裏數據中心內景

EB還不是最大的。目前全人類的數據量，是ZB級。

1 ZB = 1024 EB (ZB - zettabyte)

2011年，全球被創建和複制的數據總量是1.8ZB。

而到2020年，全球電子設備存儲的數據，將達到35ZB。如果建一個機房來存儲這些數據，那麼，這個機房的面積將比42個鳥巢體育場還大。

數據量不僅大，增長還很快——每年增長50%。也就是說，每兩年就會增長一倍。

目前的大數據應用，還沒有達到ZB級，主要集中在PB/EB級別。

大數據的級別定位

1 KB = 1024 B (KB - kilobyte)

1 MB = 1024 KB (MB - megabyte)

1 GB = 1024 MB (GB - gigabyte)

1 TB = 1024 GB (TB - terabyte)

1 PB = 1024 TB (PB - petabyte)

1 EB = 1024 PB (EB - exabyte)

1 ZB = 1024 EB (ZB - zettabyte)

數據的來源

數據的增長，為什麼會如此之快?

說到這裏，就要回顧一下人類社會數據產生的幾個重要階段。

大致來說，是三個重要的階段。

第一個階段，就是計算機被發明之後的階段。尤其是數據庫被發明之後，使得數據管理的複雜度大大降低。各行各業開始產生了數據，從而被記錄在數據庫中。這時的數據，以結構化數據為主(待會解釋什麼是“結構化數據”)。數據的產生方式，也是被動的。

世界上第一台通用計算機-ENIAC

第二個階段，是伴隨著互聯網2.0時代出現的。互聯網2.0的最重要標志，就是用戶原創內容。隨著互聯網和移動通信設備的普及，人們開始使用博客、facebook、youtube這樣的社交網絡，從而主動產生了大量的數據。

第三個階段，是感知式系統階段。隨著物聯網的發展，各種各樣的感知層節點開始自動產生大量的數據，例如遍布世界各個角落的傳感器、攝像頭。

經過了“被動-主動-自動”這三個階段的發展，最終導致了人類數據總量的極速膨脹。

大數據的4個V

行業裏對大數據的特點，概括為4個V。

前面所說的龐大數據體量，就是Volume(海量化)。除了Volume之外，剩下三個，分別是Variety、Velocity、Value。

我們一個一個來介紹。

Variety(多樣化)

數據的形式是多種多樣的，包括數字(價格、交易數據、體重、人數等)、文本(郵件、網頁等)、圖像、音頻、視頻、位置信息(經緯度、海拔等)，等等，都是數據。

數據又分為結構化數據和非結構化數據。

從名字可以看出，結構化數據，是指可以用預先定義的數據模型表述，或者，可以存入關系型數據庫的數據。

結構化數據

例如，一個班級所有人的年齡、一個超市所有商品的價格，這些都是結構化數據。

而網頁文章、郵件內容、圖像、音頻、視頻等，都屬於非結構話數據。

在互聯網領域裏，非結構化數據的占比已經超過整個數據量的80%。

大數據，就符合這樣的特點：數據形式多樣化，且非結構化數據占比高。

Velocity(時效性)

大數據還有一個特點，那就是時效性。從數據的生成到消耗，時間窗口非常小。數據的變化速率，還有處理過程，越來越快。例如變化速率，從以前的按天變化，變成現在的按秒甚至毫秒變化。

我們還是用數字來說話：

就在剛剛過去的這一分鍾，數據世界裏發生了什麼?

Email：2.04億封被發出

Google：200萬次搜索請求被提交

Youtube：2880分鍾的視頻被上傳

Facebook：69.5萬條狀態被更新

Twitter：98000條推送被發出

12306：1840張車票被賣出

……

怎麼樣?是不是瞬息萬變?

Value(價值密度)

最後一個特點，就是價值密度。

大數據的數據量很大，但隨之帶來的，就是價值密度很低，數據中真正有價值的，只是其中的很少一部分。

例如通過監控視頻尋找犯罪分子的相貌，也許幾TB的視頻文件，真正有價值的，只有幾秒鍾。

2014年美國波士頓爆炸案，現場調取了10TB的監控數據(包括移動基站的通訊記錄，附近商店、加油站、報攤的監控錄像以及志願者提供的影像資料)，最終找到了嫌疑犯的一張照片。

大數據的價值

剛才說到價值密度，也就說到了大數據的核心本質，那就是價值。

人類提出大數據、研究大數據的主要目的，就是為了挖掘大數據裏面的價值。

大數據，究竟有什麼價值?

早在1980年，著名未來學家阿爾文·托夫勒在他的著作《第三次浪潮》中，就明確提出：“數據就是財富”，並且，將大數據稱為“第三次浪潮的華彩樂章”。

第一次浪潮：農業階段，約1萬年前開始

第二次浪潮：工業階段，17世紀末開始

第三次浪潮：信息化階段，20世紀50年代後期開始

進入21世紀之後，隨著前面所說的第二第三階段的發展，移動互聯網崛起，存儲能力和雲計算能力飛躍，大數據開始落地，也引起了越來越多的重視。

2012年的世界經濟論壇指出：“數據已經成為一種新的經濟資產類別，就像貨幣和黃金一樣”。這無疑將大數據的價值推到了前所未有的高度層面上。

如今，大數據應用開始走進我們的生活，影響我們的衣食住行。

滴滴的大數據殺熟，相信大家都有所耳聞

之所以大數據會有這麼快的發展，就是因為越來越多的行業和企業，開始認識到大數據的價值，開始試圖參與挖掘大數據的價值。

歸納來說，大數據的價值主要來自於兩個方面：

1 幫助企業了解用戶

大數據通過相關性分析，將客戶和產品、服務進行關系串聯，對用戶的偏好進行定位，從而提供更精准、更有導向性的產品和服務，提升銷售業績。

典型的例子就是電商。

像阿裏淘寶這樣的電子商務平台，積累了大量的用戶購買數據。在早期的時候，這些數據都是累贅和負擔，存儲它們需要大量的硬件成本。但是，現在這些數據都是阿裏最寶貴的財富。

通過這些數據，可以分析用戶行為，精准定位目標客群的消費特點、品牌偏好、地域分布，從而引導商家的運營管理、品牌定位、推廣營銷等。

大數據可以對業績產生直接影響。它的效率和准確性，遠遠超過傳統的用戶調研。

除了電商，包括能源、影視、證券、金融、農業、工業、交通運輸、公共事業等，都是大數據的用武之地。

大數據甚至能夠幫助競選總統

2 幫助企業了解自己

除了幫助了解用戶之外，大數據還能幫助了解自己。

企業生產經營需要大量的資源，大數據可以分析和鎖定資源的具體情況，例如儲量分布和需求趨勢。這些資源的可視化，可以幫助企業管理者更直觀地了解企業的運作狀態，更快地發現問題，及時調整運營策略，降低經營風險。

總而言之，“知己知彼，百戰百勝”。大數據，就是為決策服務的。

大數據和雲計算

說到這裏，我們要回答一個很多人心裏都存在的疑惑——大數據和雲計算之間，到底有什麼關系?

可以這麼解釋：數據本身是一種資產，而雲計算，則是為挖掘資產價值提供合適的工具。

從技術上，大數據是依賴於雲計算的。雲計算裏面的海量數據存儲技術、海量數據管理技術、分布式計算模型等，都是大數據技術的基礎。

雲計算就像是挖掘機，大數據就是礦山。如果沒有雲計算，大數據的價值就發揮不出來。

相反的，大數據的處理需求，也刺激了雲計算相關技術的發展和落地。

也就是說，如果沒有大數據這座礦山，雲計算這個挖掘機，很多強悍的功能都發展不起來。

套用一句老話——雲計算和大數據，兩者是相輔相成的。

大數據和物聯網(5G)

第二個問題，大數據和物聯網有什麼關系?

這個問題我覺得大家應該能夠很快想明白，前面其實也提到了。

物聯網就是“物與物互相連接的互聯網”。物聯網的感知層，產生了海量的數據，將會極大地促進大數據的發展。

同樣，大數據應用也發揮了物聯網的價值，反向刺激了物聯網的使用需求。越來越多的企業，發覺能夠通過物聯網大數據獲得價值，就會願意投資建設物聯網。

其實這個問題也可以進一步延伸為“大數據和5G之間的關系”。

即將到來的5G，通過提升連接速率，提升了“人聯網”的感知，也促進了人類主動創造數據。

另一方面，它更多是為“物聯網”服務的。包括低延時、海量終端連接等，都是物聯網場景的需求。

5G刺激物聯網的發展，而物聯網刺激大數據的發展。所有通信基礎設施的強大，都是為大數據崛起鋪平道路。

大數據的產業鏈

接下來再說說大數據的產業鏈。

大數據的產業鏈，和大數據的處理流程是緊密相關的。簡單來說，就是生產數據、聚合數據、分析數據、消費數據。

每個環節，都有相應的角色玩家。如下圖：

從目前的情況來看，國外廠商在大數據產業占據了較大的份額，尤其是上遊領域，基本上都是國外企業。國內IT企業相比而言，存在較大的差距。

大數據相關重點領域及企業(技術)

大數據的挑戰

說了那麼多大數據的好話，並不代表大數據是完美的。

大數據也面臨著很多挑戰。

除了數據管理技術難度之外，大數據的最大挑戰，就是安全。

數據是資產，也是隱私。沒有人願意自己的隱私被暴露，所以，人們對自己的隱私保護越來越重視。政府也在不斷加強對公民隱私權的保護，出台了很多法律。

歐盟在2018年出台了有史以來最嚴厲的GDPR(《一般數據保護法案》)，把網絡數據保護上升到前所未有的高度

在這種情況下，企業獲取用戶數據，就需要慎重考慮，是否符合倫理和法律。一旦違法，將付出極為沉重的代價。

此外，即使企業合法獲取數據，也要擔心是否會被惡意攻擊和竊取。這裏面的風險也是不容忽視的。

除了安全之外，大數據還要面臨能耗等方面的問題。

換言之，如果不能很好地保護和利用手裏的大數據，那麼它就是一個燙手的山芋，有還不如沒有。

好啦，洋洋灑灑寫了這麼多，相信大家已經對大數據有了初步的了解。

後續，小棗君將重點介紹大數據的關鍵框架和技術棧，包括大家非常關心的Hadoop、Spark、HDFS、MapReduce等概念，都將一一進行解讀。

敬請期待!