Big Data 3 Vs - Käsitteet ja mallit

Termi "data" ei ole uusi meille. Se on yksi tärkeimmistä asioista opettaessaan, kun valitset tietotekniikan ja tietokoneiden. Jos muistat, tietoja pidetään raaka-aineina. Vaikka jo olemassa kymmenen vuotta, termi Big Data on huijaus näinä päivinä. Kuten termistä ilmenee, kuormat ja datan kuormitukset ovat suuria tietoja ja niitä voidaan käsitellä eri tavoin erilaisten menetelmien ja työkalujen avulla tarvittavien tietojen hankkimiseksi. Tässä artikkelissa käsitellään Big Data -konsepteja, käyttäen 3 V: n mainitsemia Doug Laney, edelläkävijä datavarastoinnin alalla, jonka katsotaan alkaneen Infonomics (Information Economics) -kentän.

Ennen kuin jatkat, saatat haluta tutustua artikkeleimme, jotka käsittelevät suurten tietojen perusteet ja suuren datan käytön.

Big Data 3 Vs

Data, sen valtava muoto, kertynyt eri keinoin, on tallennettu oikein eri tietokantoihin aiemmin ja se oli poltettu jonkin ajan kuluttua. Kun konsepti ilmeni, että mitä enemmän tietoja, sitä helpompi selvittää - erilaiset ja asiaankuuluvat tiedot - käyttämällä oikeita työkaluja, yritykset alkoivat tallentaa tietoja pidemmille ajanjaksoille. Tämä on kuin uusien tallennuslaitteiden lisääminen tai pilven avulla tietojen tallentaminen missä muodossa tietojen hankinta tapahtuu: asiakirjat, laskentataulukot, tietokannat ja HTML jne. Sitten ne järjestetään asianmukaisiin muotoihin käyttämällä työkaluja, jotka pystyvät käsittelemään suuria paloja Data.

HUOMAA: Suurien tietojen laajuus ei ole rajoitettu tietoihin, joita keräät ja tallennetaan tiloissasi ja pilvessä. Se voi sisältää tietoja muista lähteistä, mukaan lukien, mutta ei niihin rajoittuen, julkisia kohteita.

Suurten tietojen 3D-malli perustuu seuraaviin V: eihin:

1. Äänenvoimakkuus: viittaa tiedon tallennuksen hallintaan
2. Seuraavissa kohdissa selitetään Big Data -mallinnus puhumalla jokaisesta ulottuvuudesta (jokainen V) yksityiskohdittain.

Viittaus tietojenkäsittelyn nopeuteen

Variety: viittaa erilaisten näennäisesti riippumattomiin tietueihin A] Suurien tietojen volyymi

Suurista tiedoista puhuttaessa voimme ymmärtää äänenvoimakkuuden valtavaksi joukoksi raakaa tietoa. Vaikka tämä on totta, kyse on myös tietojen tallennuskustannuksista. Tärkeitä tietoja voidaan tallentaa sekä tiloissa että pilvessä, jälkimmäinen on joustava vaihtoehto. Mutta haluatko tallentaa kaiken ja kaiken?

Meta Groupin julkaiseman valkoisen kirjan mukaan tietomäärien lisääntyminen kasvaa tarpeettomiksi. Lisäksi siinä todetaan, että vain sellainen tietomäärä, jota yritykset aikovat käyttää, olisi säilytettävä. Muut tiedot voidaan hylätä tai yritykset eivät ole halukkaita luopumaan "oletettavasti ei-tärkeistä tiedoista", ne voidaan polkumyynnillä käyttämättömillä tietokoneilla ja jopa nauhoilla, jotta yritysten ei tarvitse maksaa tällaisten tietojen tallentamista.

Käytin "oletettavasti merkityksettömiä tietoja", koska minäkin uskon, että minkäänlaista liiketoimintaa voi tulevaisuudessa vaatia - ennemmin tai myöhemmin - ja sitä on pidettävä hyvänä ajankohtana ennen kuin tiedät, että tiedot ovat ei todellakaan ole tärkeä. Henkilökohtaisesti tyhjennän vanhat tiedot kiintolevyille vanhimmilta ja toisinaan DVD-levyiltä. Päätietokoneet ja pilvi-tallennus sisältävät tärkeitä tietoja ja tiedän, että käytän niitä. Näistäkin tiedoista löytyy myös kerran -tyyppisiä tietoja, jotka saattavat päätyä vanhaan kiintolevyyn muutaman vuoden kuluttua. Edellä oleva esimerkki on vain ymmärryksesi. Se ei sovi Big Data -tietojen kuvaukseen, koska summa on melko vähäinen verrattuna siihen, mitä yritykset pitävät suurina tiedoina.

B ] Velocity in Big Data

Tietojen nopeus on tärkeä tekijä kun puhutaan Big Data-käsitteistä. On monia verkkosivustoja, erityisesti sähköistä kaupankäyntiä. Google oli jo myöntänyt, että nopeus, jolla sivun lataus on välttämätöntä paremman sijoituksen kannalta. Sijoitusten lisäksi nopeus tarjoaa käyttäjille myös mukavuutta, kun he myyvät. Sama pätee myös muiden tietojen käsittelyyn.

Puhuttaessa nopeudesta on tärkeää tietää, että se on vain suurempaa kaistanleveyttä. Se yhdistää helposti käytettävät tiedot eri analyysityökaluilla. Helppokäyttöiset tiedot tarkoittavat eräitä kotitehtäviä luomaan helposti käsiteltäviä tietoja.

C] Suurten tietojen vaihtelu

Kun kuormia ja kuormitusta on paljon, on tärkeää järjestää ne siten, että analyysityökalut voivat helposti käsitellä tiedot. On myös työkaluja tietojen järjestämiseen. Tallennettaessa tiedot voivat olla rakenteettomia ja kaikenlaisia. Sinun on selvitettävä, mitä yhteyttä hänellä on muiden tietojen kanssa. Kun olet selvittänyt suhteen, voit noutaa sopivia työkaluja ja muuntaa tiedot haluamaasi lomakkeeseen rakenteelliselle ja lajitellulle tallennustilalle.

Yhteenveto

Toisin sanoen Big Data: n 3D-malli perustuu kolmeen ulottuvuuteen: USABLE-data että sinulla on; oikea tietojen merkitseminen; ja nopeampaa käsittelyä. Jos näitä kolmea huolehditaan, tietoja voidaan helposti käsitellä tai analysoida selvittääksesi mitä haluat.

Edellä selostetaan molemmat käsitteet ja Big Data -dimalli 3D-malliin. Toisessa kappaleessa linkitetyt artikkelit osoittavat lisätukea, jos olet uusi konsepti.

Jos haluat lisätä mitään, ole hyvä kommentti.