大数据采集及预处理

本文介绍了大数据的数据采集,强调其在高并发环境下处理大量结构化、半结构化和非结构化数据的特点,并与传统数据采集进行对比。数据来源包括商业数据、互联网数据和物联网数据。此外,还概述了数据采集的技术方法,如系统日志采集和非结构化数据采集。最后,讨论了大数据预处理的重要步骤:数据清洗、集成、变换和规约。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、简述什么是大数据的数据采集?

大数据的数据采集是在确定用户目标的基础上,针对该范围内所有的结构化,半结构化和非结构化的数据的采集,采集后对这些数据进行处理,从中分析和挖掘出有价值的信息。在大数据的采集过程中,其主要特点和面临的挑战是成千上万的用户同时进行访问和操作而引起高并发数。

 

2、请简要对大数据的数据采集与传统数据采集进行对比

数据采集(DAQ), 又称数据获取,是指从传感器和其它待测设备等模拟和数字被测单元中自动采集信息的过程。数据分类新一代数据体系中,将传统数据体系中没有考虑过的新数据源进行归纳与分类,可将其分为线上行为数据与内容数据两大类。

  • 线上行为数据:页面数据、交互数据、表单数据、会话数据等。
  • 内容数据:应用日志、电子文档、机器数据、语音数据、社交媒体数据等。
  • 大数据的主要来源:1)商业数据 2)互联网数据 3)传感器数据

传统的数据采集来源单一,且存储、管理和分析数据量也相对较小,大多采用关系型数据库和并行数据仓库即可处理。对依靠并行计算提升数据处理

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值