Hvad er Big Data? Introduktion, Typer, Karakteristika, Eksempler

Før vi går til introduktion til Big Data, skal du først vide det

Hvad er data?

De mængder, tegn eller symboler, som en computer udfører operationer på, og som kan lagres og transmiti form af elektriske signaler og optaget på magnetiske, optiske eller mekaniske optagemedier.

Lad os nu lære Big Data definition

Hvad er Big Data?

Big data er en samling af data, der er enorm i volumen, men alligevel vokser eksponentielt med tiden. Det er en data med så stor størrelse og kompleksitet, at ingen af ​​de traditionelle datahåndteringsværktøjer kan gemme dem eller behandle dem effektivt. Big data er også en data, men med enorm størrelse.

Hvad er et eksempel på Big Data?

Følgende er nogle af Big Data-eksemplerne-

New York Stock Exchange er et eksempel på Big Data, der genererer ca en terabyte af nye handelsdata pr. dag.

Sociale medier

Det viser statistikken 500+terabyte af nye data bliver optaget i databaserne på sociale medier Facebook, hver dag. Disse data genereres hovedsageligt i form af foto- og videouploads, beskedudvekslinger, kommentarer osv.

En enkelt Flymotor kan generere 10+terabyte af data i 30 minutter af flyvetid. Med mange tusinde flyvninger om dagen når genereringen af ​​data op til mange Petabytes.

Typer af big data

Følgende er typerne af Big Data:

1. Struktureret
2. Ustruktureret
3. Halvstruktureret

Struktureret

Alle data, der kan lagres, tilgås og behandles i et fast format, betegnes som 'strukturerede' data. I tidens løb har talenter inden for datalogi opnået større succes med udviklingen.ping teknikker til at arbejde med den slags data (hvor formatet er velkendt på forhånd) og også til at udlede værdi af det. I dag forudser vi dog problemer, når størrelsen af ​​sådanne data vokser enormt, typiske størrelser er på op mod flere zettabyte.

Kender du? 10²¹ bytes svarende til 1 zettabyte or en milliard terabyte formularer en zettabyte.

Når man ser på disse tal, kan man let forstå, hvorfor navnet Big Data er givet, og forestille sig de udfordringer, der er forbundet med lagring og behandling.

Kender du? Data, der er gemt i et relationelt databasestyringssystem, er et eksempel på en 'struktureret' data.

Eksempler på strukturerede data

En 'Medarbejder'-tabel i en database er et eksempel på strukturerede data

Medarbejder-ID	Ansattes navn	Køn	Afdeling	Løn_I_lacs
2365	Rajesh Kulkarni	Mand	Finance	650000
3398	Pratibha Joshi	Kvinde	Admin	650000
7465	Shushil Roy	Mand	Admin	500000
7500	Shubhojit Das	Mand	Finance	500000
7699	Priya Sane	Kvinde	Finance	550000

Ustruktureret

Alle data med ukendt form eller struktur klassificeres som ustrukturerede data. Ud over at størrelsen er enorm, udgør ustrukturerede data adskillige udfordringer i forhold til dens behandling for at få værdi ud af dem. Et typisk eksempel på ustrukturerede data er en heterogen datakilde, der indeholder en kombination af simple tekstfiler, billeder, videoer osv. I dag har organisationer et væld af data til rådighed med sig, men desværre ved de ikke, hvordan de skal hente værdi ud af det, siden disse data er i deres rå form eller ustrukturerede format.

Eksempler på ustrukturerede data

Outputtet returneret af 'Google Søge'

Halvstruktureret

Semistrukturerede data kan indeholde begge former for data. Vi kan se semi-strukturerede data som en struktureret i form, men det er faktisk ikke defineret med fx en tabeldefinition i relationel DBMS. Eksempel på semistrukturerede data er data repræsenteret i en XML-fil.

Eksempler på semistrukturerede data

Personlige data gemt i en XML-fil-

<rec><name>Prashant Rao</name><sex>Male</sex><age>35</age></rec>
<rec><name>Seema R.</name><sex>Female</sex><age>41</age></rec>
<rec><name>Satish Mane</name><sex>Male</sex><age>29</age></rec>
<rec><name>Subrato Roy</name><sex>Male</sex><age>26</age></rec>
<rec><name>Jeremiah J.</name><sex>Male</sex><age>35</age></rec>

Datavækst gennem årene

Bemærk, at webapplikation data, som er ustruktureret, består af logfiler, transaktionshistorikfiler osv. OLTP-systemer er bygget til at arbejde med strukturerede data, hvor data er lagret i relationer (tabeller).

Karakteristika af Big Data

Big data kan beskrives ved følgende karakteristika:

• Bind
• Variation
• Velocity
• variabilitet

(i) Volumen – Selve navnet Big Data hænger sammen med en størrelse, som er enorm. Størrelsen af ​​data spiller en meget afgørende rolle i at bestemme værdien ud af data. Om en bestemt data faktisk kan betragtes som en Big Data eller ej, afhænger også af mængden af ​​data. Derfor, 'Bind' er en egenskab, som skal overvejes, når man håndterer Big Data-løsninger.

(ii) Sort – Det næste aspekt af Big Data er dens række.

Variation refererer til heterogene kilder og arten af ​​data, både strukturerede og ustrukturerede. I tidligere dage var regneark og databaser de eneste datakilder, der blev taget i betragtning af de fleste applikationer. I dag overvejes data i form af e-mails, fotos, videoer, overvågningsenheder, PDF'er, lyd osv. også i analyseapplikationerne. Denne række af ustrukturerede data giver visse problemer for lagring, minedrift og analyse af data.

(iii) Hastighed – Udtrykket 'hastighed' refererer til hastigheden af ​​generering af data. Hvor hurtigt dataene genereres og behandles for at opfylde kravene, bestemmer det reelle potentiale i dataene.

Big Data Velocity omhandler den hastighed, hvormed data strømmer ind fra kilder som forretningsprocesser, applikationslogfiler, netværk og sociale medier, sensorer, Mobil enheder osv. Datastrømmen er massiv og kontinuerlig.

(iv) Variabilitet – Dette refererer til den inkonsistens, som data til tider kan vise, og dermed hæmmer processen med at kunne håndtere og administrere dataene effektivt.

Fordele ved Big Data Processing

Evnen til at behandle Big Data i DBMS giver flere fordele, som f.eks.

• Virksomheder kan bruge ekstern intelligens, mens de træffer beslutninger

Adgang til sociale data fra søgemaskiner og websteder som Facebook, Twitter gør det muligt for organisationer at finjustere deres forretningsstrategier.

• Forbedret kundeservice

Traditionelle kundefeedback-systemer bliver erstattet af nye systemer designet med Big Data-teknologier. I disse nye systemer bliver Big Data og naturlige sprogbehandlingsteknologier brugt til at læse og evaluere forbrugernes svar.

• Tidlig identifikation af risiko for produktet/tjenesterne, hvis nogen
• Bedre driftseffektivitet

Big Data-teknologier kan bruges til at skabe et iscenesættelsesområde eller landingszone for nye data, før det identificeres, hvilke data der skal flyttes til datalager. Derudover hjælper en sådan integration af Big Data-teknologier og datavarehus en organisation med at aflaste sjældent tilgåede data.

Resumé

• Big Data definition: Big Data betyder en data, der er enorm i størrelse. Bigdata er et udtryk, der bruges til at beskrive en samling af data, der er enorm i størrelse og alligevel vokser eksponentielt med tiden.
• Eksempler på Big Data-analyse omfatter børser, sociale medier, jetmotorer osv.
• Big Data kunne være 1) struktureret, 2) ustruktureret, 3) semi-struktureret
• Volumen, variation, hastighed og variation er få Big Data-karakteristika
• Forbedret kundeservice, bedre driftseffektivitet, bedre beslutningstagning er få fordele ved Bigdata