《Hadoop金融大数据分析》读书笔记

《Hadoop金融大数据分析》 Hadoop for Finance Essentials

使用Hadoop，是因为数据量大
数据量如此之多，以至于无法用传统的数据处理工具和应用来处理的数据称主大数据

3V定义：即“大量Volume,多样Variety,高速Velocity是与大数据相关的三个属性或维度。
大量指的是数据的量很大，
多样指的是数据的类型很多，
高速指的是数据处理的速度很快


对于一家处理GB级数据的小公司来说，TB级的数据可能被认为是大数据，
对于处理TB级数据的大公司来说，PB级的数据，则被认为是大数据

就常规而言，大数据至少是TB级的

除了想要存储无尽的数据，企业也需要分析它们

数据以不同的形式存储，其中大量的交易数据被称为结构化数据，图像和音频等数据被称为非结构化数据

ETL：提取Extract，转换Transform，加载Load 

现在的企业需要处理异构型数据，从Excel表格，数据库到纯文本、图片、视频、网络数据、GPS数据、传感器数据、文本数据、移动信息数据、甚至包括可以扫描和转换成电子格式的文件