Oracle大数据平台综述

大数据系统的框架划分挺清晰，数据的生成、获取、存储、四个模块一目了然。你要是刚接触这块内容，读这篇综述真的省事，算是把概念理得挺明白。 光学观测和用户行为数据的例子挺有代表性，数据不是一条一条地来，而是像瀑布一样哗啦啦地灌过来。怎么接住这波洪水，靠的就是这些系统的架构设计。 实时是个关键词，是你做金融或者安全监控类的项目，数据一滞后，就出事了。系统怎么扛得住？怎么又快又稳？文里讲得还蛮细的。 要了解行业怎么干的，建议顺手看看文末的几个链接，京东金融的大数据平台挺有参考价值的，思路、模块、实现细节都比较落地。 如果你想试试开源方案，Rhadoop这篇文章也可以看看，用 R 语言 Hadoop 上

本书详尽总结了当前大数据及其相关技术的发展，内容涵盖大数据的概念、特点和发展历史，数据获取、存储、抽取、清洗、集成以及查询、分析、建模等方面。同时还介绍了异构数据采集、文档存储与检索、异种数据的统一访问与转换等技术，并结合微博股票市场预测和海量视频检索系统的实例，以及HDFS云文件系统等实用案例。适合大数据技术初学者、从业人员和研究人员，也是高校相关专业的教学参考书。

智慧园区大数据平台建立宏观经济发展、社会公共服务的数据库和数据服务，架构包含支撑体系、网络系统、信息共享平台、数据库体系、应用系统等，为数据交换处理、应用支撑、数据综合分析提供支持。

架构与安装 Hadoop安装 Hive安装 Hbase安装 Spark安装 Kafka安装 其他组件

华为的大数据方案，是 FusionInsight，确实蛮实用的。适合你要各类结构化、非结构化数据的场景，响应快、计算能力强，做实时也不在话下。像电信、金融、科研这些行业，数据一大堆，它就派上用场了。 FusionInsight 的大杀器就是实时和 PB 级计算，毫秒级响应真的不夸张。比如你想快速从千万条记录里挖出趋势，靠它完全没问题。还有分布式计算架构，跑大任务速度也挺快，不容易卡壳。 数据类型也全，结构化、非结构化、图片、视频、文本内容，全都能搞。这点对高校和研究机构挺友好的。用来科研数据、图像、甚至社交媒体舆情都行。 技术方面，它其实整合了不少东西。像分布式文件系统、流计算引擎、文本组件，

助力企业运营，通过分析用户行为数据提供决策依据，实现精准推送，留存用户。平台采用整体分析方式，提供全面、深入的用户行为洞察。

微软的 HDInsight 大数据平台，用 Azure 的底子做得还蛮顺手的。你不用折腾复杂的 Hadoop 集群部署，几步点一点击就能搭个能跑 Hadoop、Spark、Hive 的环境。部署快、集成深，适合懒人（是那种效率高的懒）。 Azure 平台的集成做得挺不错，HDInsight 能无缝接上Azure Storage、Azure SQL Database这些服务。用 Azure AD 还支持单点登录，团队协作效率高。 支持的框架也全：从Hadoop的批，到Spark的内存计算，还有Storm的实时、Hive和HBase也都能直接用。适合各种类型的大数据场景，想做机器学习也不难。 界面

采用多元化架构，建设数据获取、计算存储、基础工具、统一运维、数据治理和应用产品等能力，打造开放可靠且易于维护的大数据平台；以数据为核心，需求驱动，通过持续的模型和业务研究，构建内外应用，支持电信运营商和金融等领域的大数据战略。

配用电大数据应用综述文件