★學(xué)習(xí)要求：大數(shù)據(jù)的類型，了解每個(gè)類型的相關(guān)含義、特點(diǎn)

★考察方向：

1.大數(shù)據(jù)的類型有哪些?

2.通過場(chǎng)景判斷是那種類型?

3.各類型的特點(diǎn)

★可能難以理解的點(diǎn)

●對(duì)于非專業(yè)考生來說，可能這些名詞都比較陌生，所以有可能都比較難理解

●“先有結(jié)構(gòu)，再有數(shù)據(jù)”

●“先有數(shù)據(jù)，再有結(jié)構(gòu)”

●“自描述的結(jié)構(gòu)”

?考點(diǎn)講解：

必須記住——從數(shù)據(jù)結(jié)構(gòu)化的程度來看，大數(shù)據(jù)的類型可以分為：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

什么是“數(shù)據(jù)的結(jié)構(gòu)化”?

簡單說，“結(jié)構(gòu)化”就是數(shù)據(jù)的“組織形式”——就像咱們教室里的座位，每個(gè)位置都有固定的行和列，誰坐第幾排第幾號(hào)一目了然。數(shù)據(jù)的結(jié)構(gòu)化程度，本質(zhì)就是“數(shù)據(jù)有沒有固定的、整齊的‘座位表’”。根據(jù)這個(gè)“座位表”的清晰程度，大數(shù)據(jù)分為三類：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。

結(jié)構(gòu)化的數(shù)據(jù)一般是指可以使用關(guān)系型數(shù)據(jù)庫表示和存儲(chǔ)，可以用二維表來邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)。它就像咱們的“學(xué)生成績表”：表頭固定是“姓名、學(xué)號(hào)、語文、數(shù)學(xué)、英語”，每一行對(duì)應(yīng)一個(gè)學(xué)生，每一列對(duì)應(yīng)一個(gè)科目，數(shù)據(jù)必須填在對(duì)應(yīng)的格子里，不能亂套。

怎么理解“先有結(jié)構(gòu)，再有數(shù)據(jù)”

可以這樣理解：比如學(xué)校要統(tǒng)計(jì)成績，肯定是先設(shè)計(jì)好“姓名、學(xué)號(hào)、科目”這個(gè)表格結(jié)構(gòu)(也就是先定好“座位表”)，然后才把每個(gè)學(xué)生的成績填進(jìn)去。再比如銀行的賬戶信息，一定是先有“卡號(hào)、戶主、余額、開戶日期”這些固定字段，再記錄每個(gè)人的具體信息——結(jié)構(gòu)是“框架”，數(shù)據(jù)是“填充的內(nèi)容”，框架先于內(nèi)容存在。

半結(jié)構(gòu)化數(shù)據(jù)是個(gè)“中間派”——它不像結(jié)構(gòu)化數(shù)據(jù)那樣有嚴(yán)格的二維表格框架，但會(huì)用一些“標(biāo)記”來區(qū)分?jǐn)?shù)據(jù)的含義。比如咱們寫作文，沒有固定的“表頭”，但會(huì)用“標(biāo)題、段落、標(biāo)點(diǎn)”來分隔內(nèi)容，這些“標(biāo)記”就幫數(shù)據(jù)形成了隱性的結(jié)構(gòu)。

怎么理解“先有數(shù)據(jù)，再有結(jié)構(gòu)”和“自描述的結(jié)構(gòu)”

- 先有數(shù)據(jù)，再有結(jié)構(gòu)：比如你發(fā)朋友圈，先寫“今天去看了電影，超好看!”(這是數(shù)據(jù))，然后微信系統(tǒng)會(huì)自動(dòng)用標(biāo)記區(qū)分“發(fā)布人、內(nèi)容、時(shí)間、點(diǎn)贊數(shù)”(這是結(jié)構(gòu))——數(shù)據(jù)先產(chǎn)生，結(jié)構(gòu)是后續(xù)通過標(biāo)記“提煉”出來的，和結(jié)構(gòu)化數(shù)據(jù)正好相反。

- 自描述：數(shù)據(jù)自己會(huì)“說明”自己的含義。比如HTML文檔里的“<標(biāo)題>大數(shù)據(jù)分類”，這個(gè)“<標(biāo)題>”標(biāo)記就告訴電腦“后面的內(nèi)容是標(biāo)題”，不用依賴外部表格，數(shù)據(jù)自帶“說明書”。

非結(jié)構(gòu)化數(shù)據(jù)最大的特點(diǎn)就是“沒有任何固定的結(jié)構(gòu)”——你沒法用表格拆分它，也沒有明顯的標(biāo)記來區(qū)分語義，只能作為一個(gè)“整體”來處理。比如一張照片，你不能像拆成績表那樣把“人臉、背景、顏色”拆成固定字段;一段語音，也沒法直接拆成“語氣、內(nèi)容、停頓”的表格形式。

因?yàn)闆]有固定結(jié)構(gòu)，非結(jié)構(gòu)化數(shù)據(jù)一般以“二進(jìn)制格式的數(shù)據(jù)格式”存儲(chǔ)——比如圖片存成JPG/PNG，視頻存成MP4，音頻存成MP3，都是電腦能識(shí)別的二進(jìn)制代碼，直接整體保存，不用拆分字段。