与传统的数据和信息处理模式相比，“大数据（Big data）”主要有两个方面的新特征：

一是数据来源要广泛的多，可以全面收集各行各业的公开数据（如报告或报表的引用，互联网爬虫程序（注1）的自动采集，专门开展的调查等），或是提供接口，收集一些特定的共享数据库中（如人行征信系统，通信企业，水电燃气管理，政府信息公开平台等）的数据。这些数据汇集起来，具有海量的特点。

在传统的数据存储和处理模式下，数据容量一般使用bit、Byte、KB、MB、GB。而到了大数据时代，由于存储技术的提升，数据容量出现了爆炸式的增长，出现了TB、PB、EB、ZB、YB、BB、NB、DB这些单位。以上单位除了bit、Byte，都是以1024倍的速度来增长的。（注2）

二是数据处理方法比传统模式有了很大提升，采用了云计算，云存储，分布式数据库，分布式文件系统，大规模并行处理数据库，互联网，虚拟化，极强的随时可扩展等新技术。简单的说，就是打通了不同地区，不同领域之间的“数据鸿沟”，可能数据并不存储在同一位置的计算机系统中，甚至可能不在同一地区，但都可以随时集中起来，做综合分析，为科研、管理（运维）、决策提供更加详细，更加可靠，更具有针对性的支持。在数据处理过程中，大数据强调了对原始数据的“清洗”，即去除其中不真实，没有用，或是重复的部分，必要时还会按统一格式重新整理，把看起来无序的、分散的数据重新编排，增强其相互之间的关联性，以便提高下一步数据查询的效率。

比如说导航或交通管理系统，运用大数据技术，可以同时接收全国各地的摄像头采集的数据，对上面可能会多达1亿辆的汽车的运行状态做汇总分析，绘制出路况（拥堵）态势图，还可以对未来的路况进行预测，给出避开拥堵，调整红绿灯等方面的方案。又比如说近期的疫情防控，把交通管理系统，居民身份信息识别系统，社区网格化管理系统，医疗系统等方面的数据结合起来，便能够绘制出特定人群的行动轨迹，分析其行为偏好，在“用户画像”基础上开展疫情变化和区域风险水平的分析，从而更加灵活的调配人力、物力。

简要的说，大数据技术主要分为四个步骤，分别为：数据采集→数据处理→数据存储→数据展示（应用）

大数据技术的典型应用就是“云上贵州”。贵州省位于西南边陲，境内遍布崇山峻岭，发展传统工业的自然条件不太好，交通（区位）优势也不突出。但贵州的优势是水电资源丰富，电价较低，可以为大数据产业的设备基础（主要是几万到几十万台服务器）提供充足而廉价的电力。同时，贵州有大量的喀斯特地形，天然岩洞里常年保持低温，并有大山区洁净的自然风来回流动，这为大规模服务器集群的散热提供了良好条件，都不用安装机房空调设备，节约了空调采购和使用（电费）费用。“云上贵州”为相对落后地区提供了新的产业链发展思路，为其弯道超车创造了条件。

注1：爬虫又叫做网络蜘蛛，网络机器人等，是互联网上的一种程序。爬虫会按照事先设定好的规则，自动在互联网上访问各种网站或数据库，采集其中有用的信息，并将其收录到特定的数据库中。常见的搜索引擎，如百度、谷歌等等，其核心部分就是典型的爬虫。

注2：bit（比特）是最基本的数据存储单位，表示一个计算机所能够识别的二进制数的一个数位（‘0’或‘1’）。

8个bit为一个Byte（字节）。Byte是计算机存储可以（在屏幕上）表示出来的资料的基本单位，代表一个英文字母(A-Z)，一个数字(0-9)、或一个符号(,.?!%&+-*/)，而一个中文（汉字）则需要占用两Bytes。

1024个Byte为一个KB，1024个KB为一个MB，以此类推。1024是2的10次方。

据叫叫计算，1DB等于十万亿亿亿KB。这样级别的数据，一般会采取分布式的存储模式，分在许多个地方的服务器集群里，而其中一个地方的服务器集群，常常也要有几万台到几十万台服务器一起来工作了。

• 谢谢你浏览本页内容，你的关注与支持是本站不断发展的最大动力！
• 如果你有什么意见或建议，请点击这里告诉我们。
• 如果你觉得本页内容对你确实有所帮助，请点击页面右边浮窗中的分享按钮，将本页推荐给更多的朋友。本站将努力为你奉献更多有用的内容。
• 转载请注明：本文转载自我们家（http://stuit.cn/Family/）谢谢合作！