大数据的4V特征：不是数据量大就叫大数据

“大数据”这个概念本质上描述的是一种现象：一个组织日常运营和用户行为积累产生的数据增长速度极快，快到现有的常规数据库管理工具已经难以驾驭——难点集中体现在数据的获取、存储、搜索、共享、分析和可视化这几个环节，数据量级也早已超出GB、TB这类常见单位的衡量范围，进入PB、EB乃至ZB级别。但仅凭”数据量很大”并不足以判定某个场景就是大数据场景，业界公认的判定标准是”大量化（Volume）、多样化（Variety）、快速化（Velocity）、价值密度低（Value）”这四个特征（4V），只有同时具备这四个特征的数据，才真正称得上大数据——大量化对应体量本身超出常规工具的处理能力；多样化对应数据来源和格式的异构性（结构化、半结构化、非结构化数据混杂）；快速化对应数据产生和需要被处理的速度极快，往往要求近实时甚至实时处理；价值密度低则对应海量数据里真正有价值的信息占比很低，需要专门的技术手段才能从大量噪音中提炼出有效信息。这个4V标准的价值在于它给”要不要按大数据的方式去设计系统”这个问题提供了一个具体的判断框架：如果一个业务场景的数据只是”量比较大”，但来源单一、增长平稳、价值密度也不低（比如一个稳定运行多年、结构规范的传统企业数据库），即使数据总量达到了TB甚至PB级别，也未必真的需要引入一整套大数据技术栈去应对——只有当4个特征同时叠加出现时，传统数据库管理工具真正的驾驭能力才会被突破，这时才真正需要专门的大数据技术架构。