Büyük Veri 3 Vs - Kavramlar ve Modeller

`Veri` terimi bizim için yeni değil. Bilgi Teknolojisi ve bilgisayarları tercih ettiğinizde öğretilen başlıca şeylerden biridir. Eğer hatırlayabilirseniz, veri ham bilgi formu olarak kabul edilir. Zaten on yıl boyunca, Big Data terimi bu günlerde bir vızıltı. Terimden, yüklerden ve veri yüklerinden anlaşıldığı üzere, Büyük Veri`dir ve gerekli bilgileri elde etmek için farklı yöntemler ve araçlar kullanarak farklı şekillerde işlenebilir. Bu makalede, Infonomics (Bilgi Ekonomisi) alanını başlattığı düşünülen veri ambarları alanında bir öncü olan Doug Laney tarafından belirtilen 3 V kullanılarak Big Data kavramları anlatılmaktadır.

Devam etmeden önce, Büyük Veri Temelleri ve Büyük Veri Kullanımı hakkındaki makalemizi özü kavramak isteyebilirsiniz. Big Data kavramlarının daha fazla açıklanması için bu gönderiyi ekleyebilirler.

Büyük Veri 3 Vs

Veriler, farklı şekillerde biriktirilen muazzam biçimiyle, daha önce farklı veritabanlarında düzgün bir şekilde dosyalanmış ve bir süre sonra boşaltılmıştır. Kavram ne kadar çok verinin ortaya çıktığı ortaya çıktığında, doğru araçları kullanarak farklı ve ilgili bilgileri bulmak o kadar kolay ki, şirketler daha uzun süreler boyunca veri saklamaya başladılar. Bu, yeni depolama cihazlarının eklenmesi ya da verilerin elde edildiği herhangi bir şekilde verilerin saklanması için buluta erişmek gibidir: belgeler, elektronik tablolar, veritabanları ve HTML, vb. Daha sonra, büyük parçaların işlenebildiği araçları kullanarak uygun formatlarda düzenlenir. Veriler

NOT: Big Data`nın kapsamı, topladığınız ve depoladığınız verilerle ve bulutla depoladığınız verilerle sınırlı değildir. Kamu etki alanındaki öğeler de dahil ancak bunlarla sınırlı olmamak kaydıyla farklı diğer kaynaklardan veri içerebilir.

Büyük Veri`nin 3B Modeli, aşağıdaki V`lere dayanmaktadır:

1. Birim: veri depolama yönetimi
2. anlamına gelir. Hız: veri işlem hızını ifade eder
3. Çeşit: farklı, görünüşte birbiriyle ilgisiz veri kümelerinin gruplandırılması anlamına gelir

Aşağıdaki paragraflar, her bir boyuttan (her V) ayrıntılı olarak bahsederek Büyük Veri modellemesini açıklar.

A] Büyük Verilerin Hacmi

Büyük Veri`den bahsetmişken, hacim büyük bir ham bilgi koleksiyonu olarak anlaşılabilir. Bu doğru olsa da, aynı zamanda veri depolama maliyetleri ile ilgilidir. Önemli veriler, bulutlarda olduğu gibi tesislerde de saklanabilir, ikincisi esnek seçenek olabilir. Ama her şeyi ve her şeyi depolamanız gerekiyor mu?

Meta Group tarafından yayınlanan bir beyaz kağıda göre, veri hacmi arttığında, veri parçaları gereksiz görünmeye başlıyor. Ayrıca, yalnızca işletmelerin kullanmak istediği veri miktarının korunmasını belirtmektedir. Diğer veriler atılabilir ya da işletmeler “sözde önemli olmayan verilerden” vazgeçmeye isteksizlerse, kullanılmayan bilgisayar aygıtlarına ve hatta bantlara atılabilirler, böylece işletmelerin bu bilgileri depolamak için ödeme yapmaları gerekmez.

“Önemsiz olarak önemsiz veri” kullandım çünkü her türlü verinin gelecekte herhangi bir işte (er ya da geç) istenebileceğine inanıyorum. Bu nedenle, veriyi bilmeden önce iyi bir süre tutulması gerekiyor. gerçekten önemli değil. Şahsen, eski verileri yesteryearlardan ve bazen DVd`lerden sabit disklere döküyorum. Ana bilgisayarlar ve bulut depolama alanı, önemli gördüğümü ve kullanacağımı bildiğim verileri içerir. Bu veriler arasında, birkaç yıl sonra eski bir HDd`ye bağlanabilecek türden bir veri türü vardır. Yukarıdaki örnek sadece sizin anlayışınız içindir. İşletmelerin Büyük Veri olarak algıladıkları miktara kıyasla, miktar daha azdır.

B ] Büyük Veride Hız

İşlem verilerinin hızı önemli bir faktördür. Büyük Veri kavramları hakkında konuşurken. Özellikle e-ticaret olmak üzere birçok web sitesi var. Google, daha iyi sıralamalar için bir sayfanın yüklenme hızının gerekli olduğunu zaten kabul etmişti. Sıralamanın yanı sıra, hız, alışveriş yaparken de kullanıcılara konfor sağlıyor. Aynısı, diğer bilgiler için işlenmekte olan veriler için de geçerlidir.

Hız hakkında konuşurken, bunun sadece daha yüksek bant genişliğinin ötesinde olduğunu bilmek şarttır. Kullanılabilir verileri farklı analiz araçlarıyla birleştirir. Kolayca kullanılabilen veriler, işlenmesi kolay veri yapıları oluşturmak için bazı ev ödevi anlamına gelir. Bir sonraki boyut - Çeşitlilik, bunun üzerine daha fazla ışık yayıyor.

C] Büyük Veri Çeşitliliği

Veri yükleri ve yükler olduğunda, analiz araçlarının kolayca işleyebileceği bir şekilde düzenlenmesi önemlidir. veri. Verileri düzenlemek için araçlar da vardır. Depolama sırasında, veriler yapılandırılmamış ve herhangi bir formda olabilir. Sizinle diğer verilerle olan ilişkisini anlamak size kalmıştır. İlişkiyi belirledikten sonra, uygun araçları alabilir ve verileri yapılandırılmış ve sıralı depolama için istenen formata dönüştürebilirsiniz.

Özet

Başka bir deyişle, Big Data`nın 3B Modeli üç boyuta dayanmaktadır: USABLE veri sahip olduğunuz; verilerin doğru şekilde etiketlenmesi; ve daha hızlı işlem. Bu üçü dikkate alırsanız, verileriniz istediğiniz herhangi bir şeyi anlamak için kolayca işlenebilir veya analiz edilebilir.

Yukarıdakiler, Büyük Veri`nin hem kavramlarını hem de 3D modelini açıklamaktadır. İkinci paragrafta yer alan makaleler, eğer yeni bir kavram için yeniyseniz, ek bir destek sağlayacaktır.

Herhangi bir şey eklemek isterseniz, lütfen yorum yapın.