Da 數(shù)據(jù)什么事？是一種運(yùn)營模式，一種能力，一種技術(shù)，還是數(shù)據(jù)的統(tǒng)稱？今天的“Da 數(shù)據(jù)”和傳統(tǒng)的“數(shù)據(jù)”有什么區(qū)別？Da 數(shù)據(jù)的來源有哪些？等一下。當(dāng)然，我不是專家學(xué)者，也無法給出一個讓大家信服的權(quán)威定義。下面我說的只是基于自己理解的總結(jié)，只是表達(dá)個人理解，不求全面權(quán)威。

目前中國互聯(lián)網(wǎng)每天的流量達(dá)到0.5EB(即5億GB或500PB)，也就是說每天產(chǎn)生的信息可以刻1.88億張DVD碟片。其中，人們一天上傳的照片數(shù)量相當(dāng)于柯達(dá)發(fā)明膠片后拍攝的照片總和。人們不自覺留下的“數(shù)據(jù) fragment”已經(jīng)滲透到社會經(jīng)濟(jì)和人們?nèi)粘Ｉ畹母鱾€角落。

常用數(shù)據(jù)指標(biāo)包括三個方面:用戶數(shù)據(jù)，行為數(shù)據(jù)，業(yè)務(wù)數(shù)據(jù)，串成一句話:誰做了什么，結(jié)果是什么？例如:百度自然搜索、百度關(guān)鍵詞投放、搜狗、微信等用戶存量:指日活躍用戶如DAU(日活躍用戶)、月活躍用戶如MAU(月活躍用戶)數(shù)據(jù)。

隨著時代的發(fā)展，兩者的關(guān)系不是絕對包容的，沒有可比性，所以沒有更大的范圍。首先，我們需要了解這兩個詞的定義以及它們之間的關(guān)系:兩者都有一個巨大的生態(tài)系統(tǒng)和價值空間。從技術(shù)角度來說，廣義的互聯(lián)網(wǎng)為數(shù)據(jù)的交換奠定了基礎(chǔ)，直接推動了數(shù)據(jù)的出現(xiàn)?？梢哉f互聯(lián)網(wǎng)是數(shù)據(jù)的基礎(chǔ)，尤其是物聯(lián)網(wǎng)的出現(xiàn)，直接推動了數(shù)據(jù)的概念，可以說互聯(lián)網(wǎng)在未來仍然是-2。沒有互聯(lián)網(wǎng)，就沒有大數(shù)據(jù)，大數(shù)據(jù)的發(fā)展會直接推動互聯(lián)網(wǎng)價值體系的建立，而互聯(lián)網(wǎng)會依托大。

網(wǎng)絡(luò)上所有的硬盤都一樣重，因?yàn)橛脖P內(nèi)部是由數(shù)字1和2組成的數(shù)據(jù)，網(wǎng)絡(luò)上的東西都是1和2，所以容量大到你無法超過硬盤的容量。有數(shù)據(jù)預(yù)留給數(shù)據(jù)的嗎？前段時間好像看到過一些研究。全局互聯(lián)網(wǎng)-2/相當(dāng)于一個草莓的重量。美國加州大學(xué)的科學(xué)家們計(jì)算出，一個4GB的Kindle裝滿電子書后，重量會增加0.g。

目前存儲海量數(shù)據(jù)的技術(shù)主要有NoSQL、分布式文件系統(tǒng)和傳統(tǒng)的關(guān)系型數(shù)據(jù)庫。隨著互聯(lián)網(wǎng) industry的不斷發(fā)展，越來越多的數(shù)據(jù)產(chǎn)生，而這些數(shù)據(jù)是半結(jié)構(gòu)化和非結(jié)構(gòu)化的，數(shù)據(jù)很可能是不準(zhǔn)確和多變的。這樣，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫就無法充分發(fā)揮其優(yōu)勢。因此，目前互聯(lián)網(wǎng)業(yè)界更傾向于使用NoSQL和分布式文件系統(tǒng)來存儲海量數(shù)據(jù)。以下是一些常見的NoSQL和分布式文件系統(tǒng)。

HBase是ApacheHadoop的子項(xiàng)目，其理論基礎(chǔ)是Google論文Bigtable:結(jié)構(gòu)化數(shù)據(jù)的AdistributedStorageSystem。HBase適合存儲半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，HBase的數(shù)據(jù)模型是一個稀疏的、分布式的、持久的多維映射。HBase也有行和列的概念，和RDBMS一樣，但是不同。