知识卡片

普通读书笔记卡 · 9745 · 生成模型:DeepSeek-V4.1-Flash

大数据的三个V特征

理解等级:中级

三个维度 - 数量(Volume):不是几万行,而是几十亿行、数百万列的规模。 - 种类(Variety):网页痕迹、文本、图像、传感器读数等新数据源与新格式,结构混杂。 - 速度(Velocity):数据高速生成,要求快速采集并接近实时地分析。

为什么种类和速度更关键 单看体量,堆磁盘、加机器就能缓解;而结构异构与高速到达会直接推翻“关系型数据库加批处理”的默认路线。麦肯锡 2011 年的定义因此把必须采用新的技术架构和分析方法写进了大数据本身:判断标准不是数据有多少 GB,而是旧架构能否在可接受的时间与成本内挖掘出价值。

边界 3V 是描述性框架,不是精确门槛。同一份数据在不同组织的技术条件下,可能算大数据也可能不算;真正的分水岭是传统关系型数据库与单机内存分析是否已经失效。成本侧的变化同样关键:基因测序费用从 2001 年的 1 亿美元降到 2011 年的 1 万美元,使复杂分析从少数机构走向普及。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第1章 大数据分析介绍 · 查看原书依据

      尽管大数据的体量最受人们关注,通常来讲,数据的种类和速度却能更贴切地定义大数据(业界将大数据归纳为3个V:数量[Volume]、种类[Variety]和速度[Velocity])。由于其数据结构和数据规模的特点,使用传统的数据库或方法已经很难有效地分析大数据了。

    参考来源

    - 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第1章 大数据分析介绍(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0011_split_001.html) - 结论依据:1.1 节列出大数据的三个基本特征,并指出种类与速度比体量更能定义大数据,随后引用麦肯锡 2011 年报告的定义。基因测序成本对比也出自同一节。 - 原始内容:尽管大数据的体量最受人们关注,通常来讲,数据的种类和速度却能更贴切地定义大数据(业界将大数据归纳为3个V:数量[Volume]、种类[Variety]和速度[Velocity])。由于其数据结构和数据规模的特点,使用传统的数据库或方法已经很难有效地分析大数据了。