纯干货：这51个大资料术语 你懂的有几个？
我从最近的大资料指南中做出了一个列表，其中列出了您需要了解的最重要的相关术语和定义。
A
Algorithm：为人工智能、神经网络或其他机器提供的一组规则，用来帮助它自己学习；分类、聚类、推荐和回归是最流行的四种类型。
Apache Flink：一个开源流资料处理框架。它是用Java和Scala编写的，用作分散式流资料流引擎。
Apache Hadoop：一种开源工具，使用MapReduce跨机器处理和储存大型分散式资料集。
Apache Kafka：一种分散式流媒体平台，通过提高吞吐量，内建分割槽，复制，延迟和可靠性来改进传统的讯息代理。
Apache NiFi：一种开源Java服务器，可以以可扩充套件，可插拔，开放的方式实现系统之间资料流的自动化。NiFi由美国国家安全域性开源。
Apache Spark：一种开源大资料处理引擎，执行在Apache Hadoop，Mesos或云之上。
Artificial intelligence：机器做出决定和执行模拟人类智慧和行为的任务的能力。
B
Big data: 大量资料的常用术语。要获得大资料的资格，资料必须以高速、大变化或大容量进入系统。
Blob storage: 一种在云中以Blob或物件的形式储存非结构化资料的Azure服务。
Business intelligence: 视觉化和分析商业资料的过程，目的是做出可操作和知情的决策。
C
Cluster: 共享特定特征的资料子集。也可以参考几个协同工作来解决单个问题的机器。
COAP: 约束应用程序协议是用于有限资源装置的Internet应用程序协议，可根据需要转换为HTTP。
D
Data engineering: 资料的收集，储存和处理，以便资料科学家可以查询。
Data flow management: 在管理数千个生产者和消费者的流量的同时，摄取原始装置资料的专门过程。然后执行基本资料丰富，流分析，聚合，拆分，模式转换，格式转换以及其他初始步骤，以准备资料以进行进一步的业务处理。
Data governance: 管理资料湖中资料的可用性，可用性，完整性和安全性的过程。
Data integration: 组合来自不同来源的资料并为使用者提供统一检视的过程。
Data lake: 一个储存库，以原始格式储存原始资料。
Data mining: 通过检查和分析大型数据库的过程生成新资讯的实践。
Data operationalization: 将变数严格定义为可测量因素的过程。
Data preparation: 将资料收集，清理和合并到一个档案或资料表中的过程，主要用于分析。
Data processing: 机器检索，转换，分析或分类资讯的过程。
Data science: 探索可重复过程和方法的领域，从资料中获取洞察力。
Data swamp: 如果没有适当的治理，资料湖会变成什么样。
Data validation: 检查资料集以确保所有资料在处理之前是干净，正确和有用的行为。
Data warehouse: 来自各种来源的大量资料，用于帮助公司做出明智的决策。
Device layer: 传输与环境和效能特征相对应的资料流的整个感测器，执行器，智能手机，闸道器和工业装置。
G
GPU-accelerated databases: 摄取流资料所需的数据库。
Graph analytics: 一种组织和视觉化集合中不同资料点之间关系的方法。
H
Hadoop: 用于处理和储存大资料的程式设计框架，尤其是在分散式计算环境中。
I
Ingestion: 从任意数量的不同来源获取流资料。
M
MapReduce: 一种资料处理模型，用于对Map阶段中的资料进行过滤和排序，然后对该资料执行函式并在Reduce阶段返回输出。
Munging: 将资料从一种原始形式手动转换或对映到另一种格式以便于消费的过程。
N
Normal distribution: 表示大量随机变数概率的通用图，其中随着资料集的大小增加，这些变数接近常态。也称为高斯分布或钟形曲线。
Normalizing: 将资料组织到表中的过程，以便使用数据库的结果始终是明确的和预期的。
P
Parse: 将资料（如字串）划分为较小的部分进行分析
Persistent storage: 一种不变的位置，例如磁盘，在建立资料的过程结束后储存资料。
Python: 一种通用程式语言，强调程式码可读性，以便程序员可以使用更少的程式码行来表达他们的概念。
R
R: 一种主要用于资料视觉化和预测分析的开源语言。
Real-time stream processing: 通过并行使用机器来分析资料序列的模型，但功能较少。
Relational database management system (RDBMS): 管理，捕获和分析基于称为关系的共享属性分组的资料的系统。
Resilient distributed dataset: Apache Spark抽象资料的主要方式，资料以容错方式储存在多台计算机上。
S
Shard: 数据库的单个分割槽。
Smart data: 格式化的数字资讯，以便在传送到下游分析平台进行进一步的资料整合和分析之前，可以在收集点对其进行操作。
Stream processing: 资料的实时处理。资料连续，同时和逐个记录地处理。
Structured data: 具有高度组织性的资讯。
T
Taxonomy: 根据预先确定的系统对资料进行分类，其结果目录用于提供易于访问和检索的概念框架。
Telemetry: 远端获取有关物体的资讯（例如，来自汽车，智能手机，医疗装置或物联网装置）。
Transformation: 将资料从一种格式转换为另一种格式。
U
Unstructured data: 不具有预定义资料模型或未以预定义方式组织的资料。
V
Visualization: 分析资料并以可读的图形格式（如图表或图形）表达资料的过程。
Z
Zones: 资料湖中的不同区域，用于特定的，明确定义的目的。
希望我的文章对你有所帮助，喜欢的话就关注我吧。
更多大资料学习资料，可以私信小编“资料”免费获取哦~
