Data Besar 3 Vs - Konsep & Model

Istilah `data` bukanlah sesuatu yang baru kepada kami. Ini adalah salah satu perkara utama yang diajar apabila anda memilih Teknologi Maklumat dan komputer. Jika anda boleh ingat, data dianggap bentuk maklumat yang mentah. Walaupun sudah ada selama satu dekad, istilah Data Big adalah buzz hari ini. Seperti yang terbukti dari istilah, beban, dan banyak data, adalah Data Besar dan ia boleh diproses dengan cara yang berlainan menggunakan kaedah dan alat yang berbeza untuk mendapatkan maklumat yang diperlukan. Artikel ini membincangkan konsep Big Data, menggunakan 3 V yang disebut oleh Doug Laney, perintis dalam bidang pergudangan data yang dianggap telah memulakan bidang Infonomi (Ekonomi Maklumat).

Sebelum anda meneruskan, anda mungkin mahu membaca artikel kami mengenai Asas Data Big dan Penggunaan Data Big untuk memahami intipati. Mereka mungkin menambah sehingga jawatan ini untuk penjelasan lanjut mengenai konsep Big Data.

Big Data 3 Vs

Data, dalam bentuknya yang besar, terkumpul melalui cara yang berbeza telah difailkan dengan betul dalam pangkalan data yang berbeza sebelum ini dan dibuang selepas beberapa waktu. Apabila konsep muncul bahawa semakin banyak data, semakin mudah untuk mengetahui - maklumat yang berbeza dan relevan - menggunakan alat yang tepat, syarikat-syarikat mula menyimpan data untuk tempoh yang lebih lama. Ini seperti menambah peranti storan baru atau menggunakan awan untuk menyimpan data dalam apa jua bentuk data yang diperolehi: dokumen, spreadsheet, pangkalan data, dan HTML, dan lain-lain. Ini kemudian diatur dalam format yang sesuai dengan menggunakan alat yang mampu memproses potongan besar Data.

NOTA: Skop Data Besar tidak terhad kepada data yang anda kumpulkan dan disimpan di premis dan awan anda.

Model 3D Data Besar 3D adalah berdasarkan kepada V berikut:

1. Volum: merujuk kepada pengurusan storan data
2. Velocity: merujuk kepada kelajuan pemprosesan data
3. Variety: merujuk kepada pengelompokan data yang berbeza, yang tampaknya tidak berkaitan set data

Paragraf berikut menerangkan pemodelan Data Besar dengan membicarakan setiap dimensi (setiap V) A] Volume Besar Data

Bercakap tentang Data Besar, seseorang mungkin memahami isipadu sebagai koleksi besar informasi mentah. Walaupun itu benar, ia juga mengenai kos penyimpanan data. Data penting boleh disimpan di premis serta di awan, yang kedua adalah pilihan fleksibel. Tetapi adakah anda perlu menyimpan setiap dan semua?

Menurut papan putih yang dikeluarkan oleh Meta Group, apabila jumlah data meningkat, bahagian data mula mencari yang tidak perlu. Selanjutnya, ia menyatakan bahawa hanya jumlah data yang harus dikekalkan yang perniagaannya hendak digunakan. Data lain mungkin dibuang atau jika perniagaan enggan melepaskan "data yang tidak penting", mereka boleh dibuang ke atas peranti komputer yang tidak digunakan dan juga pada pita supaya perniagaan tidak perlu membayar untuk menyimpan data tersebut.

Saya menggunakan "data kononnya tidak penting" kerana saya juga percaya bahawa data apa-apa jenis boleh dikehendaki oleh mana-mana perniagaan di masa depan - lambat laun - dan dengan itu perlu disimpan untuk masa yang lama sebelum anda tahu bahawa data itu sememangnya tidak penting. Secara peribadi, saya membuang data lama ke cakera keras dari masa lalu dan kadang-kadang pada DVD. Komputer utama dan penyimpanan awan mengandungi data yang saya anggap penting dan tahu bahawa saya akan menggunakannya. Di antara data ini juga, terdapat penggunaan-jenis data yang mungkin berakhir pada HDD lama selepas beberapa tahun. Contoh di atas hanya untuk pemahaman anda. Ia tidak akan sesuai dengan perihal Data Big kerana jumlahnya agak kurang berbanding dengan apa yang dilihat oleh perusahaan sebagai Big Data

B

] Velocity in Big Data Kecepatan data pemprosesan adalah faktor penting apabila bercakap tentang konsep Big Data. Terdapat banyak laman web, terutamanya e-dagang. Google telah mengakui bahawa kelajuan di mana beban halaman adalah penting untuk kedudukan yang lebih baik. Selain daripada kedudukan, kelajuan juga memberikan keselesaan kepada pengguna semasa mereka membeli-belah. Perkara yang sama berlaku untuk data diproses untuk maklumat lain.

Semasa bercakap tentang halaju, penting untuk mengetahui bahawa ia hanya melebihi jalur lebar yang lebih tinggi. Ia menggabungkan data mudah digunakan dengan alat analisis yang berbeza. Data yang mudah digunakan boleh digunakan beberapa kerja rumah untuk menghasilkan struktur data yang mudah diproses. Dimensi seterusnya - Pelbagai, menyebar lebih jauh pada ini.

C] Pelbagai Data Besar

Apabila terdapat banyak dan banyak data, menjadi penting untuk mengaturnya dengan cara alat analisis dapat memproses dengan mudah data. Terdapat alat untuk menganjurkan data juga. Apabila menyimpan, data itu boleh tidak berstruktur dan mana-mana bentuk. Terpulang kepada anda untuk mengetahui apa hubungannya dengan data lain dengan anda.

yang kamu miliki; penandaan data yang betul; dan memproses lebih cepat. Jika ketiga-tiga ini dijaga, data anda boleh diproses atau dianalisis dengan mudah untuk mengetahui apa yang anda mahukan.

Di atas menerangkan kedua-dua konsep dan model Big Data 3D. Artikel-artikel yang dipautkan di para kedua akan membuktikan sokongan tambahan jika anda baru dalam konsep.

Jika anda ingin menambah apa-apa, sila komen.