1、第四章第四章 数据处理与应用数据处理与应用 了解大数据处理架构和基本思路。了解静态数据、流数据和图数据三者的区别。大数据具有数据量大、数数据量大、数据来源于类型多样、处理据来源于类型多样、处理速度快等速度快等特点，简单的表格处理软件已经无法满足大数据的处理需求，同时，大数据技术、理论和处理大数据技术、理论和处理方法也在不断发展方法也在不断发展，为大数据的处理提供了越来越有力的支持支持。医疗大数据可视化医疗大数据可视化处理大数据时，一般采用分治思想分治思想（“分而治之分而治之”）。分-将问题分解为规模更小的子问题治-将规模更小的子问题逐个击破解决合-将已解决的子问题合并，最终得出原问题的解大数据
2、处理按照类型按照类型可划分为、和。静态数据-指在处理时已收集完成、在计算时不会发生改变的数据，一般采用；流数据-指不间断地、持续地到达的实时数据，随着时间的流逝，流数据的价值也随之降低，通过可以得到更有价值的分析结果；图数据-现实世界中的许多数据，如社交网络、道路交通等数据，可采用进行处理。知识点一：批处理计算（知识点一：批处理计算（静态数据：静态数据：处理时已收集完处理时已收集完成、在计算时不会发生改变的数据成、在计算时不会发生改变的数据）Hadoop：是一个可运行于上的分布式系统基础架构，适用于静态数据的。SparkSpark：与HadoopHadoop相似，启用了内存存储中间结果，运行速
3、度比HadoopHadoop快很多。（1 1）分布式文件系统）分布式文件系统HDFSHDFS是谷歌文件系统（GFS）的开源实现。：将大规模海量数据保存在不同的存储节点中，并用分布式系统进行管理。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。比如：的底层一般采用HDFS实现。（2 2）分布式数据库）分布式数据库HBaseHBase是一个高可靠、高性能、可伸缩、是谷歌BigTable数据库的开源实现。HBase建立在HDFS提供的底层存储基础上，采用基于列列的存储方式，主要用来存储非结构化数据和半结构化数据。（3 3）分布式并行计算模型）分布式并行计算模型MapReduceMapRedu
4、ce主要由Map(映射)和Reduce（归纳）2个函数构成。二、流计算（二、流计算（流数据流数据：不间断地、持续地到达的不间断地、持续地到达的实时实时数据数据）主要的流计算软件系统：IBM InfoSphere（捕获和分析动态数据）Twitter（推特风暴）!S4（雅虎分布式流计算）（银河流数据处理平台）Facebook（是的替代产品）三、图计算（三、图计算（图数据图数据：以图的形式呈现的，或者是可以图的形式呈现的，或者是可以转换为图以后再进行分析的数据，如以转换为图以后再进行分析的数据，如社交网络社交网络、网、网络浏览与购买行为、传染病的传播路径等。络浏览与购买行为、传染病的传播路径等。）目前通用的图处理软件主要包括两类：四、实时处理与批处理的整合四、实时处理与批处理的整合Twitter开源了大数据处理系统，该系统实现了在一个平台架构下的整合。平台的整合缩短了批处理与流处理之间的，有利于减少系统的，降低使用。是检测和修正错漏的数据、整合数据资源、规整数据格式、提高数据质量。数据缺失、数据重复、数据异常、逻辑错误、格式不一致等。公式以“=”开头,由常数、函数、单元格引用和运算符组成的式子（公式不仅用于计算，更重要的是构建计算模型）。1.1.分析数据；分析数据；2.2.创建图表（创建图表（）；）；3.3.检查图表。检查图表。
