IT时代周刊

全社会都对大数据的概念很痴迷，动辄“大数据告诉你……”但是大数据到底是什么呢?说到定义，恐怕仁者见仁、智者见智。不过从处理技术上来看，大数据意味着大量的和复杂的数据,它是不能够使用传统的数据库管理工具进行管理的。而且，要被划分为大数据范畴,那数据的大小应该在pb级以上，且呈现指数级增长。大数据已经吸引了大多数企业的注意力，,因为它颠覆了传统的商业策略,以适应不断变化的时代,这个过程中产生了更...

对于传统企业而言，无需任何繁杂的技术手段，只需要接入百度大数据引擎，即可利用大数据去帮助现有业务进行升级和创新了。峰哥认为百度此举是在加大此次大数据台风的风力。换一种角度看，这也是百度为了快速丰富各行业数据库的做法。其实早些时候，另一个互联网巨头阿里巴巴也宣布过有关大数据的战略，将会重点挖掘大数据的商业价值，也就是所谓的“云端+大数据”。当然了，这样的机会腾讯也不会落下，从早期的QQ圈子...

大数据规划有五个步骤，首先从业务驱动的角度，相关部门选择要解决和产生的业务场景。针对需求处理和采取整合这些场景需要的大数据。当然选择的重点是怎么使信息快速产生价值。大数据分析的未来将朝着更为普及化、更为实时的数据分析去迈进，也就是说“针对正确的人，在正确的时间，获得正确的信息”，从这个意义来说，它已经超越了技术本身，是更为接近业务层面的实时分析。对于一个成功企业来说，数据整合能...

云计算和大数据的结合可以说是天作之合。大数据需要灵活的计算环境，而后者可以快速、自动地进行扩展以支持海量数据。基础设施云可以精准地提供这些需求。但是无论什么时候对云计算展开讨论，我们都无法回避以下问题：针对大数据的云安全策略是什么?当在大数据使用案例中提及云安全策略时，我们希望任何安全解决方案都能够在不影响部署安全性的情况下提供与云一样的灵活性。在将大数据转移至云上时，以下四个...

大数据概念的横空出世，有赖于短短几年出现的海量数据。据统计，互联网上的数据每两年翻一番，而目前世界上90%以上的数据都是最近几年才产生的。当然，海量数据仅仅是“大数据”概念的一部分，只有具备4个“V”的特征，大数据的定义才算完整，而价值恰恰是决定大数据未来走向的关键。大数据时代:大数据发展三要素大数据的发展需要三个必要条件：数据源、数据交易、数据产生价值的过程。近年来，社交网络...

在互联网高速发展的今天，很多人还没有搞清楚什么是PC互联网，移动互联网来了，我们还没搞清楚移动互联网的时候，大数据时代又来了。大数据已经无处不在，随之而来的就是大数据技术人才的急需，以下是关于大数据技术的面试问题，大家可以再面试前参考。单项选择题1. 下面哪个程序负责 HDFS 数据存储。a)NameNode b)Jobtracker c)Datanode d)second...

大数据词已经无处不在，然而，其概念仍然存在混淆。大数据已被用于承载所有类型的概念，包括：巨量的数据、社交媒体分析、下一代数据管理能力、实时数据等。无论是任何种类，企业都已经开始理解并且探索如何以新的方式处理并分析大量的信息。这样，数量较少但不断增加的先驱者实现了突破性的业务成果。在对大数据的混淆中，很大一部分从大数据的定义开始。为了了解我们的调研受访者对该术语的定义，我们让每个受访者选出大数据的两...

大多数企业大数据应用案例还处于实验和测试阶段，对于少数首次在生产环境部署Hadoop系统的用户来说，最常遇到的就是扩展问题，此类问题往往导致中途烂尾，令大数据项目无法持之以恒。部署和扩展Hadoop系统是一件高度复杂的事情，如果用户能提前考虑到Hadoop扩展时会遇到的问题和对危险信号有所了解，就能避免很多烂尾情况了。　　以下是Altiscale的RaymieStata早前曾总结出来的Hado...

大数据公司早已具有影响世界的能力，只不过这些现实并没有放到正面的大舞台上才让人们觉得这些公司很低调。而如今，低调已不再需要，是时候展现大数据在这个时代的威力了。目前全球大数据企业主要分为两大阵营。一部分属于单纯以大数据技术为核心的新兴企业，希望为市场带来创新方案并推动技术发展。另有一些原本打理数据库/数据仓储业务的老牌厂商，他们打算利用自身优势地位冲击大数据领域，将现有安装基础及产...

百度研究院副院长，深度学习实验室主任，图片搜索部高级总监余凯发表的演讲“大数据人工智能”。百度研究院副院长，深度学习实验室主任，图片搜索部高级总监 余凯以下为演讲实录：下面，我可能更多从实践的方面去跟大家分享一下百度在大数据、人工智能我们最近的一些工作，包括我们对这些方面的一些思考。2014年8月14日，麻省理工学院科技评论杂志介绍百度的人工智能之梦，文章题目叫《一个中国互联网...

英特尔大数据首席架构师 戴金权在戴金权看来，Hadoop将MapReduce分布式计算和大数据技术带入主流应用。但随着大数据需求和使用模式的推广，Hadoop已经暴露诸多局限性。特别是越来越多的数据应用，如需要对数据进行准实时的深度挖掘和分析时，业内需要超越MapReduce的全新大数据分析模式。也正是看准了Spark的发展趋势，英特尔早在2-3年前就已经和UC Berkeley一起紧密合...

Hadoop得以在大数据处理应用中广泛应用得益于其自身在数据提取、变形和加载(ETL)方面上的天然优势。Hadoop的分布式架构，大数据处理引擎尽可能的靠近存储，对例如像ETL这样的批处理操作相对合适，因为类似这样操作的批处理结果可以直接走向存储。Hadoop的MapReduce功能实现了将单个任务打碎，并将碎片任务发送(Map)到多个节点上，之后再以单个数据集的形式加载(Reduce)到数据仓库...