一、什么是大数据
四个特性（4个V）
数据量大(Volume)
- 大数据摩尔定律：IDC估测数据一直以50%的速度增长，到2020年，全球将拥有35ZB的数据量。（GB>TB>PB>EB>ZB）
快速化（Velocity）
- 处理速度快，1秒级决策
多样化（Varity）
数据类型繁多，大部分为非结构化数据。（文本，图像，视频等等等等）
- 10%结构化数据，储存在数据库中
- 90%非结构化数据，与人类信息密切相关
价值密度低（Value）
- 价值密度低，很多数据并没有价值，可能有用的数据比例很低，但确有巨大的商业价值
二、大数据的影响
1、Jim Gary总结在科学研究上，人类从实验，理论，计算（计算机）发展到了数据时代。现代可以以数据为驱动，比如我们不知道问题是什么，可以仅仅通过分析数据，从而发现问题，并解决问题。
2、大数据颠覆了传统的思维方式
- 全样而非抽样
- 由于存储和计算的技术发展，现在可以处理全部数据而不需要做统计抽样。
- 效率而非精确
- 统计抽样要求算法精度非常高，不然放在全样时误差会被放得特别大。而现在可以全样分析，是多大误差就多大误差，我们现在更注重计算的效率。
- 相关而非因果
- 不问为什么，只找关联。（比如淘宝告诉用户，买产品A的用户同时买了产品B，不会告诉用户为什么买产品B，只陈述这样的相关事实）
三、大数据的应用
典型应用实例
1、影视剧投资
例如：某公司对整个互联网作大数据分析，发现如果有导演大卫芬奇，影帝凯文史派西拍摄著名小说《纸牌屋》会取得成功，这也是美剧《纸牌屋》的由来。
2、谷歌预测流感
过去由各个医疗机构汇报趋势再汇总，判断是否有流感趋势，这个过程非常缓慢。
而谷歌拥有大量用户，从用户搜索流感药品的关键词，通过大数据技术，实时分析以后就可以得出是否有流感趋势，实时性非常高。
四、大数据关键技术
- 数据采集
- 数据存储和管理
- 数据处理与分析
- 数据隐私与安全
最关键的两点，两大核心技术：
- 分布式存储
- 分布式处理
大数据的计算模式
- 批处理计算：MapReduce, Spark (实时性低，不能做到秒级相应）。
- 流计算：比如日志流，用户点击流，数据一直到达。一旦批量处理则失去商业性。Storm, S4，Flume等。
- 图计算：图形结构的处理。 Pregel, GraphX, Giraph等。
- 查询分析计算: 交互式查询分析。Dremel, Hive, Cassandra等等。这类实时性很高。
五、大数据与云计算、物联网的关系。
云计算：通过网络，以服务的方式为用户提供非常廉价的IT资源（不再需要自己底层构建设施：建机房，维护设备等等。云计算也有自己的数据中心，一般由数千个刀片服务器组成）。
云计算主要解决两个问题：
- 解决海量的分布式存储和处理
- 虚拟化，多租户
云计算的三种服务
IaaS（Infrastructure as a Service）: Amazon EC2，IBM Blue Cloud，Sun Grid
- 把底层设施当做服务提供给用户
Paas（Platform as a Service）: IBM IT factory, Google App Engine, Force.com
- 云计算的开发环境，提供各种接口，满足客户开发云产品的需求。
SaaS（Software as a Service）: Google Apps, Microsoft "Software + Services"
- 软件放在云端，不再需要本地安装，只要有网络，则可以在云端使用软件。
物联网（Internet of Things, IOT）：物物相连的互联网，是互联网的延伸。比如掌上公交，可以用手机实时定位公交，等于把你的手机和公交实时连接在了一起。
- 第一层：感知层，传感器，摄像头等等。
- 第二场：网络层，通过网络传到数据中心。电信网，互联网，电网等等。
- 第三层：处理层
- 第四层：应用层
物联网的关键技术
最关键的是感知技术：二维码，RFID，传感器等等。
总结：云计算为大数据提供了技术基础。大数据为物联网提供数据分析支撑。物联网为云计算提供了应用空间。