大數(shù)據(jù)技術(shù)涉及數(shù)據(jù)量海量、多樣、高速、高價值的”4v原則”，其生態(tài)圈包括hdfs、mapreduce、yarn、hive、hbase等組件。數(shù)據(jù)挖掘算法包括關(guān)聯(lián)分析、聚類分析、分類算法和回歸分析。機(jī)器學(xué)習(xí)技術(shù)分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和深度學(xué)習(xí)。其他相關(guān)技術(shù)還包括流處理、nosql數(shù)據(jù)庫和數(shù)據(jù)可視化。

大數(shù)據(jù)技術(shù)口訣

一、4V原則

• Volume：海量數(shù)據(jù)，數(shù)據(jù)量巨大
• Variety：多樣性數(shù)據(jù)，多類型、多格式
• Velocity：高速數(shù)據(jù)，實時生成和處理
• Value：高價值數(shù)據(jù)，包含有用信息

二、hadoop生態(tài)圈

• hdfs：分布式文件系統(tǒng)，存儲海量數(shù)據(jù)
• mapreduce：數(shù)據(jù)并行處理框架，分布式計算
• yarn：資源管理系統(tǒng)，調(diào)度計算資源
• hive：數(shù)據(jù)倉庫框架，查詢和分析數(shù)據(jù)
• hbase：列式數(shù)據(jù)庫，適合非結(jié)構(gòu)化數(shù)據(jù)存儲

三、數(shù)據(jù)挖掘算法

• 關(guān)聯(lián)分析：發(fā)現(xiàn)數(shù)據(jù)項之間的關(guān)聯(lián)關(guān)系
• 聚類分析：將數(shù)據(jù)分為相似組
• 分類算法：根據(jù)輸入數(shù)據(jù)預(yù)測輸出類別
• 回歸分析：建立輸入變量和輸出變量之間的關(guān)系模型

四、機(jī)器學(xué)習(xí)技術(shù)

• 監(jiān)督學(xué)習(xí)：利用標(biāo)記數(shù)據(jù)訓(xùn)練模型，進(jìn)行分類或回歸
• 無監(jiān)督學(xué)習(xí)：利用未標(biāo)記數(shù)據(jù)發(fā)現(xiàn)模式或結(jié)構(gòu)
• 深度學(xué)習(xí)：使用神經(jīng)網(wǎng)絡(luò)進(jìn)行復(fù)雜的數(shù)據(jù)分析

五、其他相關(guān)技術(shù)

• 流處理：處理實時生成的數(shù)據(jù)
• nosql數(shù)據(jù)庫：處理非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)
• 數(shù)據(jù)可視化：以圖形化方式展示數(shù)據(jù)，方便分析和決策