Большие данные 3 Vs - Концепции и модели

Термин «данные» для нас не нов. Это одна из основных вещей, которые преподаются при выборе информационных технологий и компьютеров. Если вы можете вспомнить, данные считаются необработанной формой информации. Хотя уже в течение десятилетия термин Big Data - это жужжание в наши дни. Как видно из термина, нагрузок и нагрузок данных, это Big Data, и его можно обрабатывать по-разному, используя различные методы и инструменты для получения необходимой информации. В этой статье рассказывается о концепциях больших данных, используя 3 V, упомянутые Дугом Лани, пионером в области хранилищ данных, который, как считается, инициировал поле Infonomics (Information Economics).

Прежде чем продолжить, вы можете ознакомиться с нашими статьями «Основы больших данных и использования больших данных», чтобы понять суть. Они могут быть добавлены к этому сообщению для дальнейшего объяснения концепций «большой информации».

Big Data 3 Vs

Данные в своей огромной форме, накопленные с помощью различных средств, были ранее загружены в разные базы данных и были сбрасыты через некоторое время. Когда появилась концепция, что чем больше данных, тем проще найти - различную и релевантную информацию - используя правильные инструменты, компании начали хранить данные на более длительные периоды. Это похоже на добавление новых устройств хранения данных или использование облака для хранения данных в любой форме, в которой были получены данные: документы, электронные таблицы, базы данных и HTML и т. Д. Затем они упорядочиваются в надлежащие форматы с использованием инструментов, способных обрабатывать огромные куски Данные.

ПРИМЕЧАНИЕ. Объем больших данных не ограничивается данными, которые вы собираете и храните в своих помещениях и облаках. Он может включать в себя данные из разных источников, включая, но не ограничиваясь, объекты в общественном достоянии.

3D-модель больших данных основана на следующих V:

1. Том: относится к управлению хранением данных
2. Velocity: относится к скорости обработки данных
3. Variety: относится к группировке данных разных, казалось бы, несвязанных наборов данных.

В следующих параграфах объясняется моделирование больших данных, подробно описывая каждое измерение (каждый V).

A] Объем больших данных

Говоря о больших данных, можно понять объем как огромную коллекцию необработанной информации. Хотя это правда, речь идет также о стоимости хранения данных. Важные данные могут храниться как в помещениях, так и в облаке, причем последний является гибким вариантом. Но вам нужно хранить все и все?

Согласно техническому документу, выпущенному Meta Group, когда объем данных увеличивается, части данных начинают выглядеть ненужными. Кроме того, в нем говорится, что только тот объем данных должен быть сохранен, который предприятия намерены использовать. Другие данные могут быть отброшены или если компании не хотят отпускать «якобы не важные данные», их можно сбросить на неиспользуемые компьютерные устройства и даже на лентах, чтобы предприятиям не приходилось платить за хранение таких данных.

Я использовал «предположительно несущественные данные», потому что я тоже считаю, что данные любого типа могут потребоваться любым бизнесом в будущем - рано или поздно - и, следовательно, его нужно держать на достаточное количество времени, прежде чем вы узнаете, что данные действительно неважно. Лично я удаляю старые данные на жесткие диски с прошлых лет, а иногда и на DVD. Основные компьютеры и облачные хранилища содержат данные, которые я считаю важными, и знаю, что я буду использовать. Среди этих данных также есть данные типа «один раз», которые могут появиться на старом жестком диске через несколько лет. Вышеприведенный пример предназначен только для вашего понимания. Это не будет соответствовать описанию Big Data, так как сумма значительно меньше по сравнению с тем, что предприятия воспринимают как большие данные.

B ] Скорость в больших данных

Скорость обработки данных является важным фактором когда речь идет о концепциях больших данных. Есть много сайтов, особенно электронная коммерция. Google уже признал, что скорость загрузки страницы необходима для лучшего ранжирования. Помимо ранжирования, скорость также обеспечивает комфорт для пользователей во время их покупки. То же самое относится к обрабатываемой информации для другой информации.

Говоря о скорости, важно знать, что она выходит за пределы более высокой пропускной способности. Он объединяет легко используемые данные с различными инструментами анализа. Легко используемые данные означают некоторую домашнюю работу по созданию структур данных, которые легко обрабатывать. Следующее измерение - Variety, распространяется дальше на это.

C] Разнообразие больших данных

При наличии нагрузок и нагрузок данных важно организовать их таким образом, чтобы инструменты анализа могли легко обрабатывать данные. Существуют также инструменты для организации данных. При хранении данные могут быть неструктурированными и любой формы. Это зависит от вас, чтобы выяснить, какое отношение оно имеет к вам с другими данными. После того, как вы выясните отношение, вы можете подобрать соответствующие инструменты и преобразовать данные в нужную форму для структурированного и отсортированного хранилища.

Резюме

Другими словами, 3D-модель Big Data основана на трех измерениях: данные USABLE что вы обладаете; правильная маркировка данных; и более быстрая обработка. Если эти три будут ухаживать, ваши данные могут быть легко обработаны или проанализированы, чтобы выяснить, что вы хотите.

Вышеописанные объясняются как концепциями, так и 3D-моделью Big Data. Статьи, включенные во второй пара, окажут дополнительную поддержку, если вы новичок в этой концепции.

Если вы хотите что-то добавить, прокомментируйте.