随着互联网的发展,大数据也在逐渐彰显出自己的优势特点,那么关于大数据的处理流程,你是否了解?

第一,数据采集

定义:利用多种轻型数据库来接收发自客户端的数据,并且用户可以通过这些数据库来进行简单的查询和处理工作。

特点和挑战:并发系数高。

使用的产品:MySQLOracleHBaseRedis MongoDB等,并且这些产品的特点各不相同。

第二,统计分析

定义:将海量的来自前端的数据快速导入到一个集中的大型分布式数据库 或者分布式存储集群,利用分布式技术来对存储于其内的集中的海量数据 进行普通的查询和分类汇总等,以此满足大多数常见的分析需求。

特点和挑战:导入数据量大,查询涉及的数据量大,查询请求多。

使用的产品:InfoBrightHadoop(PigHive)YunTable SAP HanaOracle Exadata,除Hadoop以做离线分析为主之外,其他产品可做实时分析。

第三,挖掘数据

定义:基于前面的查询数据进行数据挖掘,来满足高级别的数据分析需求。

特点和挑战:算法复杂,并且计算涉及的数据量和计算量都大。

使用的产品:RHadoop Mahout