目录

数据分析六部曲

大数据的特点 （5v特征）

分布式与集群的区别

常用的分布式方案

---

数据分析六部曲

1. 明确分析目的和思路：确保分析框架的体系化和逻辑性，简单来说就是先分析什么，后分析什么，使得各个分析点之间具有逻辑联系。

2. 数据收集：一般数据来源有数据库、公开出版物、互联网、市场调查等。

3. 数据处理：主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。是数据分析的基础。

4. 数据分析：用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。其中数据挖掘是一种高级的数据分析方法。

5. 数据展示：通过表格和图形的方式展示。

6. 报告撰写：对整个数据分析过程的一个总结与呈现。要有一定的建议或解决方案。

大数据的特点 （5v特征）

• Volume：数据量大，包括采集、存储和计算的量都非常大；

• Variety：种类和来源多样化。包括结构化、半结构化和非结构化数据；

• Value：数据价值密度相对较低，或者说是浪里淘沙却又弥足珍贵；

• Velocity：数据增长速度快，处理速度也快，时效性要求高；

• Veracity：数据的准确性和可信赖度，即数据的质量。

分布式与集群的区别

• 分布式：多台服务器干不同的模块任务，组成一个统一的整体功能；

• 

• 集群：一台服务器处理请求个数有限，提供服务能力有限，准备多台服务器干同样的的任务。

• 

• 集群和分布式，都是描述的一组计算机。集群的所有节点跑的是同样的任务，集群本质是多台服务器联合起来独立做相同的任务(多个服务器分担客户端发来的请求) 。而分布式系统的节点跑的是分解后的任务,分布式本质是多台服务器协同配合完成同一个大任务(每个服务器都只完成大任务拆分出来的单独1个子任务)

• 以修手机为例：维修手机要分为检测、维修、测试三个环节，当多部手机都需要维修的时候,为了提高效率，雇了10位工程师。如果每个工程师维修时，对每台手机进行检测、维修和测试，这就是集群的工作方式。如果2位工程师负责检测，5位工程师负责维修，剩下的3位工程师负责测试，这就是分布式的工作方

常用的分布式方案

• 分布式应用和服务：将应用和服务进行分层和分割，然后将应用和服务模块进行分布式部署。这样做不仅可以提高并发访问能力、减少数据库连接和资源消耗，还能使不同应用复用共同的服务，使业务易于扩展。比如：分布式服务框架 Dubbo。

• 分布式数据存储：常常需要处理海量数据，单台计算机往往无法提供足够的内存空间，可以对这些数据进行分布式存储。比如 Apache Hadoop HDFS。

• 分布式计算：分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。比如 Apache Hadoop MapReduce。