什么是大數(shù)據(jù)？
大數(shù)據(jù)（big data），指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。
在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理。大數(shù)據(jù)的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。
大數(shù)據(jù)應(yīng)用現(xiàn)狀
醫(yī)療/健康百度、平安、阿里、騰訊、春雨醫(yī)生、易隨診、華大基因、丁香園、微糖、好大夫在線、39健康網(wǎng)、尋醫(yī)問藥網(wǎng)、有問必答網(wǎng)、育兒網(wǎng)、中國育兒網(wǎng)、寶寶樹、百度醫(yī)前智能問診平臺、東軟、金蝶。【大數(shù)據(jù)開發(fā)學(xué)習(xí)資料領(lǐng)取方式】：加入大數(shù)據(jù)技術(shù)學(xué)習(xí)交流群522189307，點擊加入群聊，私信管理員即可免費領(lǐng)取
電商淘寶、天貓、京東、亞馬遜
精準(zhǔn)銷售對用戶消費全過程數(shù)據(jù)進(jìn)行分析，掌握用戶基本屬性、購買能力、行為特征、社交特征、心里特征和興趣偏好等多方面信息。
商家和供應(yīng)商決策支持。提供具有高度時效性的行業(yè)平均數(shù)據(jù)、市場需求變化、產(chǎn)業(yè)上下游動態(tài)等市場信息，幫助商家和供應(yīng)商分析運(yùn)營狀態(tài)，預(yù)測銷售和用戶趨勢，并提供針對性的運(yùn)營優(yōu)化策略；
平臺運(yùn)營優(yōu)化通過大數(shù)據(jù)分析為管理層以及各級運(yùn)營管理人員提供數(shù)據(jù)分析和決策支持服務(wù)。
語音服務(wù)科大訊飛、云知聲、思必馳、捷通華聲；
廣告營銷億贊普、智子云、秒針系統(tǒng)、品友互動、精碩科技、集奧聚合、締元信、
金融閃銀（Wecash）、宜信、拍拍貸、陸金所、人人貸、芝麻征信、騰訊征信、京小貸、元寶鋪、融360、數(shù)聯(lián)銘品、九次方；
影視/娛樂騰訊視頻、愛奇藝、優(yōu)酷&土豆、搜狐視頻、蝦米音樂、網(wǎng)易云音樂、豆瓣FMQQ音樂、藝恩世紀(jì)國際信息咨詢（北京）有限公司、新影數(shù)訊、艾漫科技、牧星人影視。
在線教育作業(yè)通、作業(yè)幫、學(xué)霸君
人力資源搜前途、哪上班、e成招聘、望才招聘、內(nèi)聘網(wǎng)、人人獵頭
旅游去哪兒、好巧網(wǎng)、馬蜂窩、智游啦、攜程
地理信息服務(wù)百度地圖、高德地圖、中海達(dá)、東方道邇、靈圖軟件
交通/物流航旅縱橫、飛常準(zhǔn)、途志、車來了、北京匯通天下物聯(lián)科技、快的打車、美的空調(diào)、快逸行、九五智駕
房地產(chǎn)萬科地產(chǎn)、鏈家地產(chǎn)、易遨中國、萬達(dá)地產(chǎn)
企業(yè)應(yīng)用企業(yè)有東方國信、亞信、金蝶、用友、神州數(shù)碼
輿情鷹擊、邦富、30所、百度、新浪
大數(shù)據(jù)技術(shù)共性
業(yè)界主流大數(shù)據(jù)技術(shù)框架
磁盤存儲
HDFS、HBASE、S3、Cassandra、MongoDB、Redis
內(nèi)存存儲
Alluxio 、Redis
數(shù)據(jù)分析
Spark（SQL、Streaming、MLlib、GraphX）、Storm、MapReduce、Mahout、Hive、Pig
分步式協(xié)調(diào)服務(wù)
ZooKeeper
集群系統(tǒng)監(jiān)控
CDH-CMS， Metrics， Grafana、Ambari
消息總線
kafka、ActiveMQ、Apollo、 Redis
索引系統(tǒng)
Solr、Lucene、ElasticSearch
大數(shù)據(jù)組件應(yīng)用分類
數(shù)據(jù)采集
flume、kafka connector、sqoop、socket、sftp、mina
實時處理
Spark Streaming、Kafka Streams、Storm、Samza、Flink
數(shù)據(jù)存儲
HDFS、HBASE、S3、Cassandra、MongoDB、Redis、Solr、ElasticSearch
Spark SQL、Hive、Map Reduce、Pig、Impala
交互式查詢
Drill、PresTO、Kylin
數(shù)據(jù)展現(xiàn)
Echarts、Tableau、d3js
大數(shù)據(jù)組件簡介
1、Hadoop是Apache開源組織的一個分布式計算框架，提供了一個分布式文件系統(tǒng) (HDFS)、MapReduce分布式計算及統(tǒng)一資源管理框架（Yarn）的軟件架構(gòu)。
為大規(guī)模數(shù)據(jù)的存儲提供解決方案（HDFS）；
解決大規(guī)模分步式計算（ MapReduce ）；
作為其周邊軟件Hbase、Hive、Pig、Mahout等的基礎(chǔ)平臺。
2、HBase是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，利用HBase技術(shù)可在廉價PC Server上搭建起大規(guī)模結(jié)構(gòu)化存儲集群。
解決海量數(shù)據(jù)的存儲；
解決隨機(jī)、實時讀寫大數(shù)據(jù)；
提供簡化訪問HDFS的編程接口。
3、kafka是Apache旗下的一個高性能，高吞吐量的分步式消息總線系統(tǒng)。
分布式系統(tǒng)相互通信；
數(shù)據(jù)復(fù)制、同步；
日志同步；
Delay Queue；
廣播通知。
4、Hive是基于Hadoop的一個數(shù)據(jù)倉庫工具，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡單的sql查詢功能，可以將sql語句轉(zhuǎn)換為MapReduce任務(wù)進(jìn)行運(yùn)行。 其優(yōu)點是學(xué)習(xí)成本低，可以通過類SQL語句快速實現(xiàn)簡單的MapReduce統(tǒng)計，不必開發(fā)專門的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉庫的統(tǒng)計分析。
解決海量數(shù)據(jù)的存儲；
解決大規(guī)模數(shù)據(jù)的分析：SQL。
5、MongoDB 是一個高性能，開源，無模式的文檔型數(shù)據(jù)庫，它在許多場景下可用于替代傳統(tǒng)的關(guān)系型數(shù)據(jù)庫或鍵/值存儲方式。MongoDB不支持SQL，但有自己功能強(qiáng)大的查詢語法。MongoDB使用BSON作為數(shù)據(jù)存儲和傳輸?shù)母袷?。BSON是一種類似JSON的二進(jìn)制序列化文檔，支持嵌套對象和數(shù)組。
解決海量數(shù)據(jù)在線存儲；
許多情況下可以代替?zhèn)鹘y(tǒng)關(guān)系數(shù)據(jù)庫；
代替鍵/值存儲方式。
6、Redis是一個開源的使用ANSI C語言編寫、支持網(wǎng)絡(luò)、可基于內(nèi)存亦可持久化的日志型、Key-Value數(shù)據(jù)庫，并提供多種語言的API。從2010年3月15日起，Redis的開發(fā)工作由VMware主持。從2013年5月開始，Redis的開發(fā)由Pivotal贊助。
7、Apache Spark 是專為大規(guī)模數(shù)據(jù)處理而設(shè)計的快速通用的計算引擎。Spark是UC Berkeley AMP lab (加州大學(xué)伯克利分校的AMP實驗室)所開源的類Hadoop MapReduce的通用并行框架，Spark，擁有Hadoop MapReduce所具有的優(yōu)點；但不同于MapReduce的是——Job中間輸出結(jié)果可以保存在內(nèi)存中，從而不再需要讀寫HDFS，因此Spark能更好地適用于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等需要迭代的MapReduce的算法。
Spark 是一種與 Hadoop 相似的開源集群計算環(huán)境，但是兩者之間還存在一些不同之處，這些有用的不同之處使 Spark 在某些工作負(fù)載方面表現(xiàn)得更加優(yōu)越，換句話說，Spark 啟用了內(nèi)存分布數(shù)據(jù)集，除了能夠提供交互式查詢外，它還可以優(yōu)化迭代工作負(fù)載。
Spark 是在 Scala 語言中實現(xiàn)的，它將 Scala 用作其應(yīng)用程序框架。與 Hadoop 不同，Spark 和 Scala 能夠緊密集成，其中的 Scala 可以像操作本地集合對象一樣輕松地操作分布式數(shù)據(jù)集。
8、Storm是一個分布式的、容錯的實時計算系統(tǒng)。使用Storm進(jìn)行實時大數(shù)據(jù)分析。
9、Flink 是可擴(kuò)展的批處理和流式數(shù)據(jù)處理的數(shù)據(jù)處理平臺，設(shè)計思想主要來源于Hadoop、MPP數(shù)據(jù)庫、流式計算系統(tǒng)等，支持增量迭代計算。
10、Alluxio A memory speed virtual distributed storage. Alluxio是一個高容錯的內(nèi)存分布式文件系統(tǒng)，允許文件以內(nèi)存的速度在集群框架中進(jìn)行可靠的共享。典型特點就是加速讀寫數(shù)據(jù)的速度。
11、ElasticSearch是一個基于Lucene的搜索服務(wù)器。它提供了一個分布式多用戶能力的全文搜索引擎，基于RESTful web接口。其典型特點是全文快速檢索。【大數(shù)據(jù)開發(fā)學(xué)習(xí)資料領(lǐng)取方式】：加入大數(shù)據(jù)技術(shù)學(xué)習(xí)交流群522189307，點擊加入群聊，私信管理員即可免費領(lǐng)取
