반복된 건설 표지판 큰 데이터 개발 모 였는 데 있다

대용량 데이터 클라우드 후 정보 기술 분야에서 또 다른 핫 스팟 되고있다 컴퓨팅 및 그것의 "이해 하기 쉬운" 개념과 대단한 응용 전망 것 들의 인터넷. 하지만 모든 생의 관심에서 국내 큰 데이터 필드 명백한 진행이 이미 나타났습니다 다소 "거품". 큰 데이터 원 돈 인클로저의 이름 또는 표시의 반복된 건설으로 떠오르고 있다. 이 경우에, 우리는 대용량 데이터의 특성의 내용 이해를 깊게 해야 합니다. 큰 데이터 추적의 연구를 바탕으로, Sadie 탱크 고 파악 이해의 4 가지 측면에 초점을 맞출 수 있습니다.

큰 데이터 개발의 핵심은 분석 및 데이터 개체의 응용 프로그램

들었지만 지방 정부 리더십, 건물의 대규모 데이터 센터, 백업 스토리지 사용자 데이터에 대 한 전문가 큰 데이터 업계의 개발 또한 일부 조직에서는 대용량 데이터를 개발 하는 인프라 건설을 강화에 집중 해야 합니다. 이러한 포인트는 큰 데이터에서 이탈 하 고 큰 데이터 개발 이어질.

기본적으로, "빅 데이터" 과학적이 고 엄격한 개념, 데이터의 폭발적인 성장 현상에서 온다. 하지만 "대량 데이터" 및 "대규모 데이터"의 전제 아래 새로운 개념 개념은 데이터 규모 자체에 집중 하 고 그것은 완전히 데이터 처리 및 데이터 폭발의 백그라운드에서 응용 프로그램 요구 사항 반영 수 없습니다 있기 때문에 앞으로 넣어 있다. "빅 데이터"의 개념 합의 실행 하 고 대용량 데이터 분석 및 각 산업 분야에 활용도 거 대 한 현실적인 수요와 특정 응용 프로그램에 현재 핫 스폿 될 수 있습니다. 따라서, 대용량 데이터의 내용 뿐만 아니라 정적 데이터 개체의 용량을 처리 하는 전통적인 기술의 규모를 의미 하지만 이러한 데이터 개체 및 응용 프로그램 활동의 동적 처리 포함.

데이터 생성, 데이터 전송, 데이터 수집, 데이터의 라이프 사이클을 보면 데이터 처리, 분석 및 응용 프로그램, 그것은 포함 한다 많은 링크와 여러 수준, 하지만 큰 데이터의 경우 초점에 데이터 전송, 수집, 저장, 데이터 분석 및 마이닝, 고 따라서 유용한 정보를 직관적으로 발견 하기 어렵다. 데이터 분석 및 마이닝 및 대용량 데이터의 진정한 가치 하지만 분석을 최대화 하기 위해 응용 프로그램 및 큰 데이터 및 대용량 데이터 산업 개발의 응용 프로그램에만 집중이 가장 중요 합니다. 따라서, 우리는 분석의 주요 내용 및 처리 대용량 데이터 서비스의 대용량 데이터 개발의 핵심을 될 것입니다 믿습니다.

큰 데이터 개체 인수를 사용 하 여 초점

경우에 큰 데이터 내포에 관련 된 데이터 개체를 몇 가지 관점 원본 데이터 수집의 건설 적극적으로 할 수 있어야 합니다 믿습니다. 이 뷰는 합리적인, 하지만 전적으로 사실이 아니라. 예를 들어 큰 데이터를 사용 하 여 지능형 교통 달성 하기 위해에 도시도 계획, 차량, 주차장 및 보다는 더 많은 정부 부처, 기타 데이터에 대 한 필요 해당 데이터베이스는 필요가 건설을 강화. 그러나, 실제 상황 실시간, 교통, 효과적인 활용, 단지 충분 하지 않아, 위의 데이터에 의존 하지만 또한 추적 하 고 구성도 트래픽 데이터, 주차장 용량 데이터의 유연한 관리를 기반으로 데이터도 사고 정보 및 교차로를 포함 하 여 학과에서 뿐만 아니라 마이크로 블로그를 통해 이러한 데이터를 날씨 마이크로-편지 고를 여러 번 더 빠른 데이터의 관리 보다는 마이크로 블로그 정보를 다른 채널. 너무 잘 알려진, microblogging 및 기타 정보 소스는 오픈, 아무 부서 수 있습니다 "" 이러한 데이터, 크롤 링, 가능 한 한 빨리 수집 하 고 대조 할 유일한 것은. 만약 당신이 몇 가지 유사한 사례 분석, 긴급의 응용 프로그램 요구 사항 처리, 실시간 모양 및 가져온 동적 데이터는 일반 데이터베이스에서 정적 데이터와 공개 소스 데이터 보다 더 가치가 같은 Weibo 및 검색 엔진 데이터 사용 부서 (위의 예제에서 파이프라인 부서) 등의 보다 더 자주 찾을 수 있습니다. 사용할 수 있는 내부 데이터 더 가치가 있다.

따라서, 분류 방식으로 큰 데이터에 관련 된 데이터 개체를 처리 합니다. 정부 부처, 공공 서비스 기관, 기업 및 마스터 하 고 지속적으로 업데이트 된 데이터에 대 한 데이터 응용 프로그램에 대 한 기준으로 건설을 강화 해야 합니다. 같은 시간에 우리는 관심을 지불 해야 하지만 마이크로 블로그, 마이크로-편지, 소셜 네트워크, 검색 엔진 및 기타 신흥 데이터 소스, 좋은 일 추적, 파악, 정렬의 및 응용 프로그램 관련된 데이터의 수행.

큰 데이터의 초점은 추론 및 보조 결정

IBM은 최근 대용량 데이터, 진실 하 고 정확 하 게의 또 다른 기능을 제시. 그러나 객관적으로 말해서,이 기능은 아직 열려 질문. 사실, 목표와 이상적인 결과 분석 및 큰 데이터 개체의 마이닝을 통해 큰 데이터 응용 프로그램의 새로운 지식 규칙 및 새로운 유용한 정보를 발견 하지만 큰 데이터 분석 및 컴퓨터에 의해 처리, 그것은 하지 않아야 정확 하 고도 큰 데이터에 관련 된 원본 데이터 개체에 대 한 정확한. 또한 진실 하 고 정확 하 게 수 있습니다.

데이터 개체, 것입니다 마이크로 블로그 데이터, 소셜 네트워크 데이터를 포함, 여러 가지 이유로, 검색 엔진 데이터 소스에서 데이터는 필연적으로 포함 됩니다 없습니다 오류 데이터, 쓸모 없는 데이터의 다양 한. 심지어 특정 데이터 정리를 통해 데이터 필터링 방법, 수 완벽 하 게 보장 하지 그것의 신뢰성 및 정확성. 그러나 큰 데이터 값은 원래 유용한 정보를 찾기 위해 복잡 한 데이터 개체에서 우 우 하는 실제 작업의 프로세스를 완료. 따라서, 사실, 정확한은 단지 상대적인 개념, 열심히, 하지만 강제 되지 않을 수 있습니다.

분석 결과에서 큰 데이터 분석 과정 수학 공식 또는 논리 공제 완료 보다는 특정 상관 관계를 반영 하는 지식 규칙의 발견에만 필요 합니다. 기저귀와 맥주, 협회 규칙의 발견의 초기 단계에서 가장 고전적인 예가입니다 그들은 왜 몰라. 그래서 큰 데이터 규칙의 인수 하지 규칙의 발견 이다. 연구자 및 의사 결정자의 가치 가이드와 대용량 데이터 사용자의 혁신적인 생각을 격려 하 고 의사 결정을 지원 하기 위해 능력에 있다. 간단히 하기 위해, 당신이 문제를 다루고 있다면, 그것은 방법, 생각 하는 사람들을 위해 일반적 그리고 경우에 그들의 단지 3 개는, 문제 해결 접근 3 배 확대 큰 데이터 참조 방법의 10를 제공할 수 있습니다.

큰 데이터의 정보 보안 문제를 과장 하지 않습니다 한다

큰 데이터 응용 프로그램은 관련이 정보 자원 및 정보 기술, 그래서 필연적으로 정보 보안 문제 하지 포함 됩니다. 그러나, 정보 보안 문제 너무 커서 렌더링 수 없습니다.

하나는 소위 보안 문제를 생성 하지 않습니다. 예를 들어, 모든 큰 데이터 관련 소스 데이터 집합의 보안을 보호 하는 관점입니다. 하지만 Weibo 등 소셜 네트워크, 위에 나열 된 이러한 데이터 소스는 본질적으로 오픈 하 고 액세스할 수 모든 보호 또는 보호 없이 액세스할 수 있습니다.

둘째, 기존의 정보 보안 문제는 큰 데이터 문제가 될 것 하지 말할 수 있습니다. 예를 들어 정부 부서 데이터 자료의 보호는 보편적인 문제, 경우에 큰 데이터 응용 프로그램은 여전히 존재, 심지어 큰 데이터와 응용 프로그램 것입니다 하지 반드시 확대 될. 따라서, 그 큰 데이터 나타납니다 새로운 정보 보안 문제 말 쉽지 않다.

사실, 빅 데이터 시대에 직면 하는 가장 큰 정보 보안 문제는 counterparty 실수로 공개 있습니다 미묘한 메시지의 무리에서 중요 하 고도 비밀 정보 분석를 큰 데이터를 사용 하 여 적 방지 하는 방법입니다. 이 예방 하지만 그것은 큰 데이터 응용 프로그램의 범위.

(책임 편집기: 유산의 좋은)