本帖最后由 Linux_Handy 于 2015-8-31 11:37 编辑
云:提供平台。
大数据也即大数据分析: 一个运用。一般来说都是使用分布式数据库。你也可以去用传统数据库来做大数据分析，只要你能忍受那效率。大数据的难点在于自我学习能力。这个是IBM用来卖钱的点，其他公司也一样。大数据本身的基础算法很简单易懂。至于用什么平台来做大数据分析，这个是自己决定的事。和云或非云没有必然的联系。
传统数据库和分布式数据库: 数据库。和前面的俩都没有必然的联系。
Linux_Handy 发表于 2015-8-31 10:35
云:提供平台。
大数据也即大数据分析: 一个运用。一般来说都是使用分布式数据库。你也可以去用传统数 ...
数据库和数据仓库是不同的
大数据分析是为数据仓库设计的，不是数据库。
现在有real time 的大数据分析系统，不过好像还没有什么成果。
你真要拿facebook的数据库做大数据分析，那可能要关闭整个facebook一段时间，那就看他们公司愿意不愿意了。
大数据分析的开始按钮按下去，几千个核就全被占用了，整个数据集合都是被锁定状态，只能读不能写。
传统数据库你要做大数据分析又不是不可能，其实也差不到哪里去。map的基本算法也就是遍历一次而已。
kolinsky 发表于 2015-8-31 14:58
数据库和数据仓库是不同的
大数据分析是为数据仓库设计的，不是数据库。
现在有real time 的大数据分析系统，不过好像还没有什么成果。
你真要拿facebook的数据库做大数据分析，那可能要关闭整个facebook一段时间，那就看他们公司愿意不愿意了。
大数据分析的开始按钮按下去，几千个核就全被占用了，整个数据集合都是被锁定状态，只能读不能写。
传统数据库你要做大数据分析又不是不可能，其实也差不到哪里去。map的基本算法也就是遍历一次而已。
实在没明白这二大爷回我这贴什么意思。
那些废话要你MA的来告诉我，你丫给我提鞋都不配。还跟我这儿普及知识来了。
Linux_Handy 发表于 2015-8-31 14:13
实在没明白这二大爷回我这贴什么意思。
那些废话要你MA的来告诉我，你丫给我提鞋都不配。还跟我这儿 ...
因为你也是重修的角色。
从你一次次提数据库就知道，你还没有资格说那些大话。
本帖最后由 Linux_Handy 于 2015-8-31 15:40 编辑
kolinsky 发表于 2015-8-31 15:28
因为你也是重修的角色。
从你一次次提数据库就知道，你还没有资格说那些大话。
真NM二。
SB, 回答下，你爷爷我哪句写了大数据是给数据库设计的。你丫就是自说自话SB无下限。
幽雨听弦 发表于 2015-8-31 09:01
记得读研的时候有门课就是data integration，现在倒是都忘了
我接触不到数据本身这个层面。如果从osi mo ...
data integration 和osi model没有关系的。
data integration 是schemata mapping 之类的工作。
比如你有两个schemata， 一个用customer_id,一个用client_id如果他们在语义上是等同的，那么你可以建立一个mapping让它们等同起来，以后你使用这两个schemata做数据分析的时候，就可以将他们视为同一数据。
在import数据进data warehouse的时候这两个数据也就可以放在同一数据表里面了。
这个工作是和语义相关的，大量的工作还是要人去做，当然也有机器自己做的，我上面提到dresden的那个中国女博士就是做那个工作的，拜读过她的博士论文。
kolinsky 发表于 2015-8-31 08:46
云和大数据分析是两回事，虽然架构上有类似，但是完全是两回事。
大数据大多解决方案都是建立在云计算 ...
这个女博士的文章名字是？
kolinsky 发表于 2015-8-31 15:48
data integration 和osi model没有关系的。
data integration 是schemata mapping 之类的工作。
我知道这二者没有关系。后面说到osi modell是因为我不知道除了这个还有什么能快速说明我的工作范畴是啥{:5_314:}因为不完全是硬件
pattonoriental 发表于 2015-8-31 15:06
这个女博士的文章名字是？
忘记了。。。。。回去帮你查吧。
云：偏硬，偏系统集成
大数据：偏机器学习，偏软。
大数据画的大饼：过去和现在的数据，预测未来的行为。
为什么要大数据？因为预测未来，其实只是在一定可信度下的预测，只有N无穷大，理论上才有意义（统计学理论这样认为的）。很多数据是非结构化的，比如基因序列，很多时间维度的数据比如个人一天的行为等等。