MB是啥意思(数学mb是啥意思)

来源:鲜枣课堂(ID:xzclasscom)

大家好，今天，我们来聊聊大数据。

近年来，大数据作为一个时髦的概念，出现频率很高，关注度也很高。

对于很多人来说，第一次听到“大数据”这个词，自然会从字面上理解——大数据就是大量的数据，大数据技术就是大量数据的存储技术。

然而，事实并非如此。

大数据比想象的复杂。它不仅仅是一种数据存储技术，而是一系列与海量数据相关的提取、整合、管理、分析和解释技术。它是一个庞大的框架体系。

再者，大数据是一种全新的思维方式和商业模式。

图片来自互联网

今天，在这篇文章中，让我们花五分钟的时间深入了解一下什么是大数据。

大数据的定义

首先要重新审视大数据的定义。

业内对大数据的定义有很多种，有广义和狭义之分。

大数据的广义定义，带有哲学的味道，是指从物理世界到数字世界的映射和提炼。通过发现数据特征，我们可以制定决策行动以提高效率。

“大数据”的狭义定义是由技术工程师给出的。大数据是通过获取、存储和分析，从大容量数据中挖掘价值的全新技术框架。

相比较而言，我还是喜欢科技的定义，哈哈。

大家注意了，上面原句的关键词我都加粗了！

做什么？——采集数据、存储数据、分析数据。

对谁做？-大容量数据

目的是甚麽？-挖掘价值

获取数据，存储数据，分析数据，这一系列行为并不新奇。我们使用电脑，每天都这样做。

比如每个月初，考勤管理员会获取每个员工的考勤信息，录入到一个Excel表格中，然后存储在电脑中，统计分析有多少人迟到和缺席，然后扣TA工资。

但是，同样的行为，放在大数据上，就不行了。换句话说，传统的个人电脑，传统的常规软件，都无法应对的数据级别，叫做“大数据”。

大数据，有多大？

我们传统的个人电脑，处理数据是GB/TB。比如我们现在的硬盘通常是1TB/2TB/4TB容量。

大家应该都很熟悉TB、GB、MB、KB之间的关系:

1 KB = 1024 B(千字节)

1 MB = 1024 KB(兆字节)

1 GB = 1024 MB(千兆字节)

1 TB = 1024 GB (TB太字节)

而大数据是什么水平？PB/EB级别。

大多数人都没听说过。其实就是继续转1024次:

1pb = 1024 TB(PB-PB)

1 EB = 1024 PB(EB-EB)

光看这些字母，好像不是很直观。我给你举个例子。

1TB，存储只需要一个硬盘。容量大概是20万张照片或者20万首MP3音乐，或者631903本红楼梦小说。

普通硬盘

1PB，大约需要2个机柜的存储设备。容量约为2亿张照片或2亿首MP3音乐。如果一个人一直听这种音乐，他可以听上千年。。。

2个橱柜

1EB，需要2000柜左右的存储设备。如果把这些柜子卸掉，可以长达1.2公里。如果放在机房，需要21个标准篮球场那么大的机房才能放进去。

21个篮球场

阿里、百度、腾讯等互联网巨头据说都在向EB靠拢。

阿里数据中心内部

EB还不是最大的。目前，全人类的数据量是ZB。

1 ZB = 1024 EB (ZB -齐塔字节)

2011年，全球创建和复制的数据总量为1.8 ZB。

到2020年，全球电子设备存储的数据将达到35ZB。如果建一个机房来存储这些数据，这个机房的面积将比42个鸟巢体育馆还要大。

数据量不仅大，而且增长很快——每年50%。

目前大数据的应用还没有达到ZB水平，主要集中在PB/EB层面。

大数据的层级定位

1 KB = 1024 B(千字节)

1 MB = 1024 KB(兆字节)

1 GB = 1024 MB(千兆字节)

1 TB = 1024 GB (TB太字节)

1 ZB = 1024 EB (ZB -齐塔字节)

数据来源

为什么数据增长这么快？

这里有必要回顾一下人类社会数据产生的几个重要阶段。

总的来说是三个重要阶段。

第一阶段是计算机发明后的阶段。尤其是数据库发明之后，数据管理的复杂度大大降低。各行各业开始产生数据，这些数据被记录在数据库中。此时的数据主要是结构化数据(后面会解释什么是“结构化数据”)。数据的生成方式也是被动的。

世界上第一台通用计算机——ENIAC

第二阶段伴随着互联网2.0时代。互联网2.0最重要的标志就是用户的原创内容。随着互联网和移动通信设备的普及，人们开始使用博客、facebook和youtube等社交网络，从而主动产生大量数据。

第三阶段是感知系统阶段。随着物联网的发展，各种传感器节点开始自动产生大量的数据，比如遍布世界各地的传感器和摄像头。

经过“被动-主动-自动”三个阶段的发展，最终导致了人类数据的快速膨胀。

大数据的4v

业内大数据的特点总结为四个V，上面说的庞大数据量就是Volume(海量化)。除了成交量，还剩下三个，分别是品种，速度，价值。

下面就一个一个介绍吧。

品种(品种)

有各种形式的数据，包括数字(价格、交易数据、重量、人数等。)、文本(电子邮件、网页等。)、图像、音频、视频、位置信息(经纬度、海拔高度等。)，等等，这些都是数据。

数据分为结构化数据和非结构化数据。

从名字就可以看出，结构化数据是指可以用预定义的数据模型表示或者存储在关系数据库中的数据。

结构数据

比如一个班级每个人的年龄，超市所有商品的价格，都是结构化数据。

然而，网络文章、电子邮件内容、图像、音频和视频都是非结构化数据。

在互联网领域，非结构化数据的比例已经超过了总数据的80%。

大数据符合这样的特点:数据的形式多样化，非结构化数据比例高。

速度(及时性)

大数据的另一个特点是时效性。从数据产生到消费，时间窗口很小。数据的变化速度以及处理过程越来越快。比如变化率，从以前的日变化，变成了现在的秒甚至毫秒变化。

我们用数字来说:

刚刚过去的这一分钟，数据世界发生了什么？

邮件:发出了204万封信。

谷歌:提交了200万次搜索请求

Youtube:上传了2880分钟的视频

脸书:更新了695，000个状态

推特:发出了98000条推文

1306: 1840售出门票

……

最近怎么样？变化快吗？

价值(价值密度)

最后一个特征是价值密度。

大数据的数据量很大，但有了它，价值密度就很低，只有一小部分数据是真正有价值的。

比如通过监控视频寻找罪犯的面孔，也许几TB的视频文件才是真正有价值的，只有几秒钟。

在2014年美国波士顿爆炸案中，现场收集了10TB的监控数据(包括移动基站的通信记录、附近商店、加油站和报刊亭的监控视频以及志愿者提供的图像)，最终找到了嫌疑人的照片。

大数据的价值

刚才我们谈到价值密度的时候，也谈到了大数据的核心本质，那就是价值。

提出和研究大数据的主要目的是挖掘大数据的价值。

大数据的价值是什么？

早在1980年，著名未来学家阿尔文·托夫勒(alvin toffler)就在其著作《第三次浪潮》中明确提出“数据就是财富”，并将大数据称为“第三次浪潮的多彩运动”。

第一波:农业阶段，大约从一万年前开始。

第二波:工业阶段，始于17世纪末。

第三波:信息化阶段，始于20世纪50年代末。

进入21世纪后，随着上述第二、三阶段的发展，移动互联网的兴起，存储能力和云计算能力的飞跃，大数据的开始，越来越受到关注。

2012年世界经济论坛指出:“数据已经成为一类新的经济资产，就像货币和黄金一样”。这无疑将大数据的价值推向了前所未有的高度。

如今，大数据应用正在走进我们的生活，影响着我们的衣食住行。

大数据之所以发展如此之快，是因为越来越多的行业和企业开始意识到大数据的价值，并试图参与挖掘大数据的价值。

综上所述，大数据的价值主要来自两个方面:

1帮助企业了解用户

大数据通过相关性分析，将客户与产品和服务串联起来，定位用户的喜好，从而提供更精准、更有针对性的产品和服务，提升销售业绩。

典型的例子就是电子商务。

像阿里淘宝这样的电商平台已经积累了大量的用户购买数据。在早期，这些数据非常繁琐，存储它们需要大量的硬件成本。然而，现在这些数据是阿里最宝贵的财富。

通过这些数据，可以分析用户的行为，准确定位目标客户的消费特征、品牌偏好、地域分布，从而指导商家的经营管理、品牌定位、推广营销。

大数据会对性能产生直接影响。其效率和准确率远超传统的用户调查。

除了电子商务，还包括能源、影视、证券、金融、农业、工业、交通、公用事业等。，都是可以利用大数据的地方。

大数据甚至可以帮助竞选总统。

2帮助企业了解自己。

大数据除了有助于了解用户，还可以帮助你了解自己。

企业生产经营需要大量资源，大数据可以分析锁定资源的具体情况，比如储量分布、需求趋势等。这些资源的可视化可以帮助企业管理者更直观地了解企业的运营状态，更快地发现问题，及时调整运营策略，降低经营风险。

一句话，“知己知彼，百战不殆”。大数据是用来决策的。

大数据和云计算

在这里，我们要回答一个存在于很多人心中的问题——大数据和云计算是什么关系？

可以这样解释:数据本身就是一种资产，而云计算为挖掘资产的价值提供了合适的工具。

技术上，大数据要靠云计算。云计算中的海量数据存储技术、海量数据管理技术和分布式计算模型是大数据技术的基础。

云计算就像挖掘机，大数据就是矿。没有云计算，大数据的价值就无法实现。

相反，大数据的处理需求也刺激了云计算相关技术的发展和落地。

也就是说，没有大数据矿和云计算挖掘机，很多强大的功能是开发不出来的。

套用一句老话——云计算和大数据，两者是相辅相成的。

大数据和物联网(5G)

第二个问题，大数据和物联网是什么关系？

这个我想大家应该很快就能想明白，其实前面也提到过。

物联网是“事物相互连接的互联网”。物联网的感知层产生了海量数据，这将极大地推动大数据的发展。

同样，大数据的应用也发挥了物联网的价值，反过来又刺激了物联网的使用需求。越来越多的企业在发现可以通过物联网的大数据获得价值时，愿意投入物联网的建设。

其实这个问题可以进一步引申为“大数据与5G的关系”。

即将到来的5G将通过提高连接率来改善“人联网”的感知，也将促进人类创造数据的主动性。

另一方面，更多的是服务于“物联网”。包括低延迟、大量终端连接等。，都是物联网场景的需求。

5G刺激互联网发展，物联网刺激大数据发展。所有通信基础设施的优势为大数据的崛起铺平了道路。

大数据产业链

接下来，我们来说说大数据产业链。

大数据的产业链与大数据的处理流程密切相关。简单来说就是生产数据，聚合数据，分析数据，消费数据。

每一个环节，都有对应的角色扮演者。如下图:

从目前的情况来看，国外厂商在大数据行业占据了很大的份额，尤其是上游板块，基本都是外企。与国内IT企业相比，差距较大。

大数据相关的重点领域和企业(技术)

大数据的挑战

说了这么多大数据的好话，并不代表大数据就是完美的。

大数据也面临诸多挑战。

除了数据管理的技术难度，大数据最大的挑战是安全性。

它既是数据资产，也是隐私。没有人希望自己的隐私被暴露，所以人们越来越重视自己的隐私保护。政府也在不断加强对公民隐私权的保护，颁布了很多法律。

2018年，欧盟出台了史上最严的《GDPR》(General Data Protection Act)，将网络数据保护提升到了前所未有的高度。

在这种情况下，企业需要仔细考虑获取用户数据是否道德合法。一旦你触犯了法律，你将付出非常沉重的代价。

另外，企业即使合法获取数据，也不得不担心是否会被恶意攻击窃取。其中的风险不容忽视。

除了安全，大数据还面临能耗等问题。

换句话说，如果你不能保护好、利用好手中的大数据，那么它就是一个烫手山芋，还不如不要。