知识卡片
原始数据不等于最多字节
原始性关心保留了多少可重新解释的信息,不等于保存最多字节。博客正文中的粗体、斜体或字号可能参与后续分析,纯文本会丢掉这些信号;但与分析对象无关的站点配色、页面容器和脚本未必值得全部保存。选择输入边界时,应说明哪些信息可能改变未来分析,再权衡存储成本。
与[[原始数据优先]]的联系:原始输入选择按信息价值而非字节量,限定保留范围。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
通常人们会很容易地认为,更多的数据相当于更原始的数据,但事实并非总是如此。假设Tom是一个博主,他想将自己的文章添加到FaceSpace资料中。
参考来源
- 位置:《大数据系统构建:可扩展实时数据系统构建原理与最佳实践》第2章《大数据的数据模型》(来源项目 book-sources;源文件:extracted/大数据系统构建:可扩展实时数据系统构建原理与最佳实践/_epub-src/OEBPS/Text/020.xhtml)
- 结论依据:原文通过定义及相邻示例说明上述机制与适用条件;本卡只据当前已读范围解释,不推定实际运行结果。
- 原始内容:通常人们会很容易地认为,更多的数据相当于更原始的数据,但事实并非总是如此。假设Tom是一个博主,他想将自己的文章添加到FaceSpace资料中。