大數(shù)據(jù)培訓:10個熱門的大數(shù)據(jù)技術

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

　　(一)預測分析

　　預測分析是一種統(tǒng)計或數(shù)據(jù)挖掘解決方案，包含可在結構化和非結構化數(shù)據(jù)中使用以確定未來結果的算法和技術?？蔀轭A測、優(yōu)化、預報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)技術來收集海量數(shù)據(jù)、訓練模型、優(yōu)化模型，并發(fā)布預測模型來提高業(yè)務水平或者避免風險;當前最流行的預測分析工具當屬IBM公司的SPSS,SPSS這個軟件大家都已經(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)實際需要和計算機的功能選擇模塊，SPSS的分析結果清晰、直觀、易學易用，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)的計算機上。

　　(二)NoSQL數(shù)據(jù)庫

　　非關系型數(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間，但是不可否認，現(xiàn)在已經(jīng)開始了第二代運動。盡管早期的堆棧代碼只能算是一種實驗，然而現(xiàn)在的系統(tǒng)已經(jīng)更加的成熟、穩(wěn)定。

　　(三)搜索和認知商業(yè)

　　當今時代大數(shù)據(jù)與分析已經(jīng)發(fā)展到一個新的高度，那就是認知時代，認知時代不再是簡單的數(shù)據(jù)分析與展示，它更多的是上升到一個利用數(shù)據(jù)來支撐人機交互的一種模式，例如前段時間的圍棋大戰(zhàn)，就是一個很好的應用、現(xiàn)已經(jīng)逐步推廣到機器人的應用上面，也就是下一個經(jīng)濟爆發(fā)點——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，當然目前在認知商業(yè)這一塊IBM當屬領頭羊，特別是當前主推的watson這個產(chǎn)品，以及取得了非常棒的效果。

　　(四)流式分析

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

　　(五)內(nèi)存數(shù)據(jù)結構

　　通過動態(tài)隨機內(nèi)存訪問(DRAM)、Flash和SSD等分布式存儲系統(tǒng)提供海量數(shù)據(jù)的低延時訪問和處理;

　　(六)分布式存儲系統(tǒng)

　　分布式存儲是指存儲節(jié)點大于一個、數(shù)據(jù)保存多副本以及高性能的計算網(wǎng)絡;利用多臺存儲服務器分擔存儲負荷，利用位置服務器定位存儲信息，它不但提高了系統(tǒng)的可靠性、可用性和存取效率，還易于擴展。當前開源的HDFS還是非常不錯，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)可視化技術是指對各類型數(shù)據(jù)源(包括hadoop上的海量數(shù)據(jù)以及實時和接近實時的分布式數(shù)據(jù))進行顯示;當前國內(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、功能強大、支持大數(shù)據(jù)、非常不錯的選擇。

　　(八)數(shù)據(jù)整合

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

　　(九)數(shù)據(jù)預處理

　　數(shù)據(jù)整合是指對數(shù)據(jù)源進行清洗、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

　　對分布式存儲系統(tǒng)和數(shù)據(jù)庫上的海量、高頻率數(shù)據(jù)集進行數(shù)據(jù)校驗，去除非法數(shù)據(jù)，補全缺失。數(shù)據(jù)整合、處理、校驗在目前已經(jīng)統(tǒng)稱為ETL，ETL過程可以把結構化數(shù)據(jù)以及非結構化數(shù)據(jù)進行清洗、抽取、轉(zhuǎn)換成你需要的數(shù)據(jù)、同時還可以保障數(shù)據(jù)的安全性以及完整性、關于ETL的產(chǎn)品推薦使用datastage就行、對于任何數(shù)據(jù)源都可以完美處理。