轉載自??大數據Big Data

　　2012年本站曾對大數據預測：如果說2012年是大數據概念為人所知、引人矚目、小試牛刀的一年，那么2013年大數據將會實現產品部署，早期投資獲得回報，一小部分的產業被顛覆。到了2014年，各種大數據項目和系統很可能成為標準配置，到處可見。2017年：云和大數據、數據倉庫合并起來，成為了一項服務，"分析即服務"和"數據即服務"成為主流

　　"大數據"[1]作為時下最火熱的IT行業的詞匯，隨之數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數量的商業價值的利用逐漸成為行業人士爭相追捧的利潤焦點。

　　談到大數據不只是云計算Hadoop這類底層技術，而是基于其構建的組件或引擎，如Shark或Hive/Pig。從大數據的定義通常和速率（數據移動得快），體積（數據規模龐大），和種類（非結構化和結構化的信息）三點有關。

　　對于"大數據"（Big data）研究機構Gartner給出了這樣的定義。"大數據"是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

　　大數據分析相比于傳統的BI OLAP或數據倉庫應用，具有數據量大、查詢分析復雜等特點。如果說云計算提供了業務數據處理能力，那么大數據提供了業務數據的挖掘分析能力，數據科學家是對那些專門從事大數據分析者的稱謂。

文章與教程

什么是大數據？

如何為大數據項目選擇最好的工具？

實時流大數據：Storn,Spark和Samza異同比較

In-Stream大數據處理模式

Hadoop大數據批處理架構

Storm大數據實時處理架構

Spark大數據Big Data處理框架

為什么使用Spark?

在筆記本上實現Spark-GPU集群開發教程

紐約證券交易所的實時Map/Reduce

大數據Big Data性能基準測試

Hive架構

Hive, Pig, Scalding, Scoobi, Scrunch 和 Spark等hadoop框架比較

Apache Kafka簡單介紹

Kafka Stream簡介

日志是每個軟件工程師關心的統一數據抽象

大數據工作流開源系統一覽表

全新角度總結Twitter Facebook和LinkedIn業務模型與架構

Spring Batch批處理

Redis概率數據結構之計數器HyperLogLog

Redis概率數據結構之布隆過濾器

使用Apache Flink和Kafka進行大數據流處理

單變量、雙變量和多變量分析之間的區別？

機器學習

不久我們將不用計算機編程，只需像狗一樣訓練它們

機器學習流行算法一覽

Java機器學習軟件介紹

使用機器學習進行文本處理

深入學習教程：從感知到深度神經網絡

Flickr使用Hadoop和Storm擴展計算機視覺處理能力

大數據會替代BI嗎？

30種數據可視化工具推薦

五個有關推薦系統的資料?

使用Mahout實現自然語言處理

使用Spark和Scala分析Apache訪問日志

幾種基于云計算的日志分析管理工具

使用TensorFlow實現深度學習原理介紹

Tensorflow簡單教程

Hello, TensorFlow入門教程

如何安裝Tensorflow 0.9 GPU源碼版本?

使用Python matplotlib繪制股票走勢圖

神經網絡最基本形式感知器的入門教程

深度學習之卷積神經網絡教程

卷積神經網絡入門理解

更多機器學習專題

?

參考

Spring Batch數據批處理

#大數據

云計算

數據網格

NoSQL

業務數據分析

總結

以上是生活随笔為你收集整理的大数据Big Data的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。