大数据时代索引与数据库技术的发展与创新55.pptx

本文将论述大数据为索引和数据库带来的机遇和挑战，探讨 大数据时代索引和数据库事业的发展与创新，以引起业界学 者对相关问题的关注与探讨。
3.1 索引事业的发展现状
◦ 按照钱亚新教授的说法，“将一种书报或一套书报中讨论 所及的人名、物名、事名、地名、时名或篇名等分析而组 合，用一定的方法排列它们的次序，并表明它们在书报中 所在的地位的表，叫作索引。换言之，索引是一种检查指 定范围内的书报所有特项知识的工具。”
◦ 基于以上概述，我们认为，大数据时代已经到来，已经对
我们的社会产生了重大影响。本文将尝试对大数据时代我 国的索引和数据库事业的发展与创新进行研究和展望。
2.1 大数据的定义和特征
◦ 许多权威机构和企业对大数据给予了不同的定义。
麦肯锡认为，“大数据所涉及的数据集规模已经超过了传统 数据库软件获取、存储、管理和分析的能力。”
非结构化的数据是指没有固定结构，通常无法直接知道其内 容，保存为不同类型文件的数据，如各种图像、视频文件。
◦ 根据目前大数据的发展状况，未来数据增长的绝大部分将 是半结构化或非结构化的数据。
2.2 大数据时代已经到来
◦ （1）大数据时代已经到来
理论的提出：2008年，《Nature》杂志出版一期专刊，专门 讨论未来的大数据（Big Data）处理相关的一系列技术问题 和挑战。
最后，信息社会的快速建立，信息成为越来越重要的经济资 源，也是大数据时代到来的重要原因。
在信息时代，数据已经成为社会资源的重要组成部分，基于 数据的处理、分析、挖掘等服务都被信息服务机构广泛应用 和开展，信息的经济价值越来越大，人们对数据的重视程度 越来越高，由此也产生了大量的数据。
◦ （3）大数据时代的到来，必定会对索引和数据库事业也 产生重大影响。
（5）真实性（Veracity）。这是一个衍生特征。真实有效的 数据才具有意义。随着新数据源的增加，信息量的爆炸式增 长，我们很难对数据的真实性和安全性进行控制，因此需要 对大数据进行有效的信息治理。
◦ 大数据在结构类型上也有其特点：大多数的大数据都是半 结构化或非结构化的。
半结构化的数据是指具有一定的结构性并可被解析或者通过 使用工具可以使之格式化的数据，如包含不一致的数据和格 式的员工薪酬数据。
现实的节点：2007年是人类创造的信息量有史以来第一次在 理论上超过可用存储空间总量的一年。
◦ （2）大数据时代到来的原因
首先，信息技术和计算机网络技术的发展，为大数据时代的 到来奠定了坚实的技术基础。
各种技术的发展，使得数据的来源、类型、数量变得越来越 多，由此产生出了的数目庞大且不断急剧增长的非结构化数 据、半结构化数据，整个社会发展进入到了大数据时代。
◦ 综合以上几种不同的见解，我们认为，具备以下特征的就 是大数据。
（1）数量大（Volume）。大数据所包含的数据量很大，而 且在急剧增长之中。但是，在可供使用的数据数量不断增长 的同时，可处理、理解和分析的数据比例却在不断下降。
（2）种类多（Variety）。随着技术的发展，数据源不断增
多，数据的类型也不断增加。不仅包含传统的关系型数据， 还包含来自网页、互联网、搜索引擎、论坛、电子邮件、传 感器数据等原始的、半结构化和非结构化数据。
大数据时代索引与数据库 事业的发展与创新
引言 大数据时代 索引与数据库的发展现状
大数据时代索引与数据库事业面临的挑战及创新
结语
◦ “大数据”（Big Data）已经在全球引起了广泛关注，正 在引领了又一轮数据技术的革命。
美国EMC公司于2011年5月在美国拉斯维加斯举办第11届 EMC World大会，大会的核心是帮助企业利用IT变革的重要 趋势。此次大会以“云计算相遇大数据（Cloud Meets大数据”概念。
（3）速度快（Velocity）。除了收集数据的数量和种类发生
变化，需要处理和生成数据的速度也在变化。数据流动的速 度在加快，要有效的处理大数据，需要在数据变化的过程中 实时的对其进行分析，而不是滞后的进行处理。
（4）价值量（Value）。在信息时代，信息具有很重要的商
业价值。但是，信息具有生命周期，数据的价值会随时间快 速减少。另外，大数据的数量庞大，种类繁多，变化也快， 数据的价值密度很低。如何从大量多样的数据中尽快的分析 出有价值的信息非常重要。对海量的数据进行挖掘和分析， 这也是大数据技术的难点。
其次，大量智能终端的广泛应用与网络应用的不断增长，为 大数据时代的到来奠定了坚实的物质基础。
通过互联网和社交网络、数码相机等工具，每个人的日常生 活正在被数字化，人们可以随时方便的根据自己的需要，产 生大量的非结构化数据、半结构化数据。特别是智能手机和 笔记本电脑的普及，是当前数据量爆炸增长的一个重要原因。
根据IDC《数字世界》研究项目在2012年的 统计，2010年全球数字资源的规模首次突破 了ZB（1ZB=1万亿GB）级别，达到了 1.227ZB；而2005年只有130Eb，五年增长 了10倍。如果保持这种爆炸式的增长速度， 到了2020年，我们的数字资源规模将超过 40ZB，相当于世界上每个人拥有超过 5200GB的数据。无疑，我们已进入了大数 据时代。
单位：ZB
在 2011年12月，我国工信部发布了物联网 “十二五”规划， 提出了4项关键技术创新工程。信息处理技术的内容包括海量
数据存储、数据挖掘、图像视频智能分析等，都是大数据技 术的重要组成部分；另外3项关键技术创新工程，包括信息感
知技术、信息传输技术、信息安全技术，这些也都与“大数 据”密切相关。我国也对大数据技术给予了足够的重视。
IBM公司认为，可以用3个特征相结合来定义大数据：数量 （Volume）、种类（Variety）和速度（Velocity），即庞大 容量、极快速度和种类丰富的数据。
IDC公司认为，“大数据不是一个事物，而是一个跨多个信息
技术领域的现象。大数据技术描述了新一代的技术和架构， 通过使用高速（Velocity）的采集、发现或分析方法，从超大 容量（Volume）的多样（Variety）数据中经济地提取价值 （Value）。”