1. 數據不大也包含智慧
一開始這個大數據並不大。原來才有多少數據？現在大家都去看電子書，上網看新聞了，在我們80後小時候，信息量沒有那麼大，也就看看書、看看報，一個星期的報紙加起來才有多少字？如果你不在一個大城市，一個普通的學校的圖書館加起來也沒幾個書架，是後來隨著信息化的到來，信息才會越來越多。
首先我們來看一下大數據裡面的數據，就分三種類型，一種叫結構化的數據，一種叫非結構化的數據，還有一種叫半結構化的數據。
結構化的數據：即有固定格式和有限長度的數據。例如填的表格就是結構化的數據，國籍：中華人民共和國，民族：漢，性別：男，這都叫結構化數據。
非結構化的數據：現在非結構化的數據越來越多，就是不定長、無固定格式的數據，例如網頁，有時候非常長，有時候幾句話就沒了；例如語音，視頻都是非結構化的數據。
半結構化數據：是一些XML或者HTML的格式的，不從事技術的可能不瞭解，但也沒有關係。
其實數據本身不是有用的，必須要經過一定的處理。例如你每天跑步帶個手環收集的也是數據，網上這麼多網頁也是數據，我們稱為Data。數據本身沒有什麼用處，但數據裡面包含一個很重要的東西，叫做信息（Information）。
數據十分雜亂，經過梳理和清洗，才能夠稱為信息。信息會包含很多規律，我們需要從信息中將規律總結出來，稱為知識（Knowledge），而知識改變命運。信息是很多的，但有人看到了信息相當於白看，但有人就從信息中看到了電商的未來，有人看到了直播的未來，所以人家就牛了。如果你沒有從信息中提取出知識，天天看朋友圈也只能在互聯網滾滾大潮中做個看客。
有了知識，然後利用這些知識去應用於實戰，有的人會做得非常好，這個東西叫做智慧（Intelligence）。有知識並不一定有智慧，例如好多學者很有知識，已經發生的事情可以從各個角度分析得頭頭是道，但一到實幹就歇菜，並不能轉化成為智慧。而很多的創業家之所以偉大，就是通過獲得的知識應用於實踐，最後做了很大的生意。
所以數據的應用分這四個步驟：數據、信息、知識、智慧。
最終的階段是很多商家都想要的。你看我收集了這麼多的數據，能不能基於這些數據來幫我做下一步的決策，改善我的產品。例如讓用戶看視頻的時候旁邊彈出廣告，正好是他想買的東西；再如讓用戶聽音樂時，另外推薦一些他非常想聽的其他音樂。
用戶在我的應用或者網站上隨便點點鼠標，輸入文字對我來說都是數據，我就是要將其中某些東西提取出來、指導實踐、形成智慧，讓用戶陷入到我的應用裡面不可自拔，上了我的網就不想離開，手不停地點、不停地買。
很多人說雙十一我都想斷網了，我老婆在上面不斷地買買買，買了A又推薦B，老婆大人說，“哎呀，B也是我喜歡的啊，老公我要買”。你說這個程序怎麼這麼牛，這麼有智慧，比我還了解我老婆，這件事情是怎麼做到的呢？
2. 數據如何昇華為智慧
數據的處理分幾個步驟，完成了才最後會有智慧。
第一個步驟叫數據的收集。首先得有數據，數據的收集有兩個方式：
第一個方式是拿，專業點的說法叫抓取或者爬取。例如搜索引擎就是這麼做的：它把網上的所有的信息都下載到它的數據中心，然後你一搜才能搜出來。比如你去搜索的時候，結果會是一個列表，這個列表為什麼會在搜索引擎的公司裡面？就是因為他把數據都拿下來了，但是你一點鏈接，點出來這個網站就不在搜索引擎它們公司了。比如說新浪有個新聞，你拿百度搜出來，你不點的時候，那一頁在百度數據中心，一點出來的網頁就是在新浪的數據中心了。
第二個方式是推送，有很多終端可以幫我收集數據。比如說小米手環，可以將你每天跑步的數據，心跳的數據，睡眠的數據都上傳到數據中心裡面。
第二個步驟是數據的傳輸。一般會通過隊列方式進行，因為數據量實在是太大了，數據必須經過處理才會有用。可系統處理不過來，只好排好隊，慢慢處理。
第三個步驟是數據的存儲。現在數據就是金錢，掌握了數據就相當於掌握了錢。要不然網站怎麼知道你想買什麼？就是因為它有你歷史的交易的數據，這個信息可不能給別人，十分寶貴，所以需要存儲下來。
第四個步驟是數據的處理和分析。上面存儲的數據是原始數據，原始數據多是雜亂無章的，有很多垃圾數據在裡面，因而需要清洗和過濾，得到一些高質量的數據。對於高質量的數據，就可以進行分析，從而對數據進行分類，或者發現數據之間的相互關係，得到知識。
比如盛傳的沃爾瑪超市的啤酒和尿布的故事，就是通過對人們的購買數據進行分析，發現了男人一般買尿布的時候，會同時購買啤酒，這樣就發現了啤酒和尿布之間的相互關係，獲得知識，然後應用到實踐中，將啤酒和尿布的櫃檯弄的很近，就獲得了智慧。
第五個步驟是對於數據的檢索和挖掘。檢索就是搜索，所謂外事不決問Google，內事不決問百度。內外兩大搜索引擎都是將分析後的數據放入搜索引擎，因此人們想尋找信息的時候，一搜就有了。
另外就是挖掘，僅僅搜索出來已經不能滿足人們的要求了，還需要從信息中挖掘出相互的關係。比如財經搜索，當搜索某個公司股票的時候，該公司的高管是不是也應該被挖掘出來呢？如果僅僅搜索出這個公司的股票發現漲的特別好，於是你就去買了，其實其高管發了一個聲明，對股票十分不利，第二天就跌了，這不坑害廣大股民麼？所以通過各種算法挖掘數據中的關係，形成知識庫，十分重要。
3. 大數據時代，眾人拾柴火焰高
當數據量很小時，很少的幾臺機器就能解決。慢慢的，當數據量越來越大，最牛的服務器都解決不了問題時，怎麼辦呢？這時就要聚合多臺機器的力量，大家齊心協力一起把這個事搞定，眾人拾柴火焰高。
對於數據的收集：就IoT來講，外面部署這成千上萬的檢測設備，將大量的溫度、溼度、監控、電力等數據統統收集上來；就互聯網網頁的搜索引擎來講，需要將整個互聯網所有的網頁都下載下來。這顯然一臺機器做不到，需要多臺機器組成網絡爬蟲系統，每臺機器下載一部分，同時工作，才能在有限的時間內，將海量的網頁下載完畢。
對於數據的傳輸：一個內存裡面的隊列肯定會被大量的數據擠爆掉，於是就產生了基於硬盤的分佈式隊列，這樣隊列可以多臺機器同時傳輸，隨你數據量多大，只要我的隊列足夠多，管道足夠粗，就能夠撐得住。
對於數據的存儲：一臺機器的文件系統肯定是放不下的，所以需要一個很大的分佈式文件系統來做這件事情，把多臺機器的硬盤打成一塊大的文件系統。
對於數據的分析：可能需要對大量的數據做分解、統計、彙總，一臺機器肯定搞不定，處理到猴年馬月也分析不完。於是就有分佈式計算的方法，將大量的數據分成小份，每臺機器處理一小份，多臺機器並行處理，很快就能算完。例如著名的Terasort對1個TB的數據排序，相當於1000G，如果單機處理，怎麼也要幾個小時，但並行處理209秒就完成了。
所以說什麼叫做大數據？說白了就是一臺機器幹不完，大家一起幹。可是隨著數據量越來越大，很多不大的公司都需要處理相當多的數據，這些小公司沒有這麼多機器可怎麼辦呢？
4. 大數據需要雲計算，雲計算需要大數據
說到這裡，大家想起雲計算了吧。當想要幹這些活時，需要很多的機器一塊做，真的是想什麼時候要就什麼時候要，想要多少就要多少。
例如大數據分析公司的財務情況，可能一週分析一次，如果要把這一百臺機器或者一千臺機器都在那放著，一週用一次非常浪費。那能不能需要計算的時候，把這一千臺機器拿出來；不算的時候，讓這一千臺機器去幹別的事情？
誰能做這個事兒呢？只有雲計算，可以為大數據的運算提供資源層的靈活性。而云計算也會部署大數據放到它的PaaS平臺上，作為一個非常非常重要的通用應用。因為大數據平臺能夠使得多臺機器一起幹一個事兒，這個東西不是一般人能開發出來的，也不是一般人玩得轉的，怎麼也得僱個幾十上百號人才能把這個玩起來。
所以說就像數據庫一樣，其實還是需要有一幫專業的人來玩這個東西。現在公有云上基本上都會有大數據的解決方案了，一個小公司需要大數據平臺的時候，不需要採購一千臺機器，只要到公有云上一點，這一千臺機器都出來了，並且上面已經部署好了的大數據平臺，只要把數據放進去算就可以了。
雲計算需要大數據，大數據需要雲計算，二者就這樣結合了。
閱讀更多 程序猿的內心獨白 的文章
