我们做政企客户的解决方案支撑工作，一直在跟客户提到“大数据”，通过大数据就能将数据转化成推动精准营销、精准管理的利器。但实际，我们对大数据的理解有多少，今天我们用几张图帮助建立对大数据的技术理解。
一、我们对大数据的误解
在接触大数据之前，我们会简单将系统运行过程中产生的数据，经过分析后呈现出来，称为大数据。但以前，我一直在想这与Mysql、甚至一个简单的Excel存储数据后，再将查询数据吐出来，有什么区别？
二、大数据与传统数据分析的区别
1、数据量大：大数据量级一般会上到PB级别，而一般数据分析在GB、TB级别。
2、数据种类多：大数据一般涉及表格、图像等，而传统数据分析一般是规则的表格化数据。
3、数据增长快：像FaceBook一天就像增长500TB数据量，而传统数据分析基于表格数据，数据量每天增长在MB级别。
4、数据价值低：正是因为有视频图像有很多大量数据，真正有用的数据需要分析后才能知道，单位数据的价值量较低。
三、大数据技术架构与传统数据分析的架构有很大区别
我们做解决方案，有业务出身的人会强调大数据对客户的价值，比如分析某时段加油站岛的利用率分布情况，用于优化加油站岛的布局。但对后台的大数据的架构比较吃力。今天我们用几张的形象图形来展示大数据技术架构。
1、传统数据分析基于单机的存储或计算，性能存在瓶颈。
传统的数据量因为不大，而且主要基于表格等关系型数据，一般用一个性能较好的云主机+容量较大的硬盘或云关系型数据库能解决。
2、随着数据量的增长，总会面临存储的瓶颈，实现分布式存储。
硬盘的容量总有上限、计算机的处理能力也有上限，面临这样的问题，大数据提出将数据保存至不同的服务器中，实现横向扩展。
如下图，云主机2保存“中国啤酒”库存的资料，而云主机3只保存”外国啤酒“库存的资料，而云主机1保存以下资料的索引，这样数据量可以灵活的扩容。
3、在分布式存储的基础上，实现分布式计算，加快大型数据量的计算结果。
如果这时候我们统计各库存的啤酒数量，传统方式是依靠单机的性能，而大数据的方式是实现在存储数据的服务器上进行分布式计算，最后汇总即可。
此方式，对大数据量的计算，采用此方式很快，相当把一个大活分给了许多人同时干。但对于一些小型数据量的实时计算业务，该方式不适用，应采用另一种架构模型（实时计算）。
4、在云上，服务商提供了很多基于hadoop的paas软件，客户不用在云主机自行搭建大数据底层软件了。
搭建hadoop的底层环境也不是一个容易的事情，开源软件不同的版本存在兼容性问题，而且不同的应用场景也需要对hadoop进行针对性调优。
在今天的快时代，如果业务应用场景没有太大的个性化，建议尽量采用云服务商的hadoop套件。
