Big Data Marketing
來源：數據科技視界
大數據開啓了一個大規模生產、分享和應用數據的時代，它給技術和商業帶來了巨大的變化。麥肯錫研究表明，在醫療、零售和製造業領域，大數據每年可以提高勞動生產率0.5-1個百分點。
歡迎加入「3S Market 智慧零售發展聯盟」臉書社團
大數據在核心領域的滲透速度有目共睹，然而調查顯示，未被使用的資訊比例高達99.4%，很大程度都是由於高價值的資訊無法獲取採集。
因此在大數據時代背景下，如何從大數據中採集出有用的資訊，已經是大數據發展的關鍵因素之一，那麼什麼是大數據採集技術呢?
本期就為大家介紹大數據採集技術，讓大家輕鬆瞭解大數據採集。
▌什麼是資料收集（數據採集）?
數據採集(DAQ，Data Acquisition)， 又稱數據獲取，是指從傳感器和其它待測設備等類比和數位被測單元中，自動採集資訊的過程。數據分類新一代數據體系中，將傳統數據體系中，沒有考慮過的新數據源進行歸納與分類，可將其分為線上行為數據與內容數據兩大類。
線上行為數據：頁面數據、交互數據、表單數據、會話數據等。
內容數據：應用日誌、電子文檔、機器數據、語音數據、社交媒體數據等。
大數據的主要來源：1)商業數據 2)網路數據 3)傳感器數據
▌數據採集與大數據採集區別
▌傳統數據採集的不足
傳統的數據採集來源單一，且儲存、管理和分析數據量也相對較小，大多採用關係型數據庫和並行數據倉庫即可處理。
對依靠並行計算提升數據處理速度方面而言，傳統的並行數據庫技術，追求高度一致性和容錯性，根據CAP理論，難以保證其可用性和擴展性。
▌大數據採集新的方法
系統日誌採集方法
很多網路企業都有自己的海量數據採集工具，多用於系統日誌採集，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等，這些工具均採用分布式架構，能滿足每秒數百MB的日誌數據採集和傳輸需求。
網路數據採集方法
網路數據採集是指通過網路爬蟲或網站公開API等方式，從網站上獲取數據信息。該方法可以將非結構化數據從網頁中抽取出來，將其儲存為統一的本地數據文件，並以結構化的方式儲存。
它支持圖片、音訊、視訊等文件或附件的採集，附件與正文可以自動關聯。 除了網路中包含的內容之外，對於網路流量的採集，可以使用DPI或DFI等頻寬管理技術進行處理。
其他數據採集方法
對於企業生產經營數據，或學科研究，等保密性要求較高的數據，可以通過與企業或研究機構合作，使用特定系統接口等相關方式採集數據。
▌大數據採集平台
最後，再為大家介紹幾款應用廣泛的大數據採集平台，供大家參考使用。
1)Apache Flume
Flume 是Apache旗下的一款開源、高可靠、高擴展、容易管理、支持客戶擴展的數據採集系統。 Flume使用JRuby來構建，所以依賴Java運行環境。
2)Fluentd
Fluentd是另一個開源的數據收集框架。Fluentd使用C/Ruby開發，使用JSON文件來統一日誌數據。它的可插拔架構，支持各種不同種類和格式的數據源和數據輸出。最後它也同時提供了高可靠和很好的擴展性。Treasure Data, Inc 對該產品提供支持和維護。
3)Logstash
Logstash是著名的開源數據棧ELK (ElasticSearch, Logstash, Kibana)中的那個L。Logstash用JRuby開發，所有運行時依賴JVM。
4)Splunk Forwarder
沒有留言:
張貼留言