Les données structurées dans un environnement grand de données

Le terme données structurées

se réfère généralement à des données dont la longueur et le format défini pour les grandes données. Des exemples de données structurées comprennent les numéros, dates, et des groupes de mots et de numéros appelés cordes. La plupart des experts conviennent que ce type de données représente environ 20 pour cent des données qui est là-bas. Les données structurées sont les données que vous êtes probablement habitué à traiter avec. Il est généralement stocké dans une base de données.

Sources de grande données structurées

Bien que cela puisse sembler affaires comme d'habitude, dans la réalité, les données structurées prend un nouveau rôle dans le monde des grands volumes de données. L'évolution de la technologie offre des nouvelles sources de données structurées produites - souvent en temps réel et dans des volumes importants. Les sources de données sont divisés en deux catégories:

• Par ordinateur ou produite par une machine: Paramètres machine généré se réfère généralement à des données qui sont créées par une machine sans intervention humaine.

• Human généré: Ce sont des données que les humains, en interaction avec les ordinateurs, l'approvisionnement.

Certains experts font valoir qu'une troisième catégorie existe qui est un hybride entre la machine et l'homme. Mais ici, nous sommes préoccupés par les deux premières catégories.

Données structurées générées par une machine peuvent inclure les éléments suivants:

• Les données du capteur: Les exemples incluent la radio balises fréquence d'identité, les compteurs intelligents, les dispositifs médicaux et les données du système de positionnement global. Les entreprises sont intéressés à cette gestion de la chaîne d'approvisionnement et de contrôle de l'inventaire.

• 
  
  
  
  

  données de journal web: Lorsque les serveurs, applications, réseaux, etc. fonctionnent, ils capturent toutes sortes de données sur leur activité. Cela peut représenter d'énormes volumes de données qui peuvent être utiles, par exemple, pour faire face à des accords de niveau de service ou de prédire les brèches de sécurité.

• Point de vente des données: Lorsque le caissier glisse le code à barres d'un produit que vous achetez, toutes les données associées au produit est généré.

• Données financières: Beaucoup de systèmes financiers sont programmatic- maintenant ils sont exploités sur la base de règles prédéfinies qui automatisent les processus. Stock de données de transaction est un bon exemple de cela. Il contient des données structurées telles que le symbole de l'entreprise et la valeur du dollar. Certaines de ces données est générée par machine, et une partie est générée humaine.

Exemples de données produits par les humains structurés pourraient être les suivantes:

• Des données d'entrée: Ceci est tout morceau de données une entrée de puissance humaine dans un ordinateur, telles que le nom, l'âge, le revenu, les réponses de l'enquête non-forme libre, et ainsi de suite. Ces données peuvent être utiles pour comprendre le comportement de base de client.

• Cliquez flux de données: Les données sont générées chaque fois que vous cliquez sur un lien sur un site web. Ces données peuvent être analysées afin de déterminer le comportement des clients et les habitudes d'achat.

• Les données relatives au jeu: Chaque mouvement que vous faites dans un jeu peut être enregistré. Cela peut être utile pour comprendre comment les utilisateurs finaux se déplacent à travers un portefeuille de jeux.

Lorsque combiné avec des millions d'autres utilisateurs qui soumettent les mêmes informations, la taille est astronomique. En outre, beaucoup de ces données a une composante en temps réel à ce que peut être utile pour comprendre les tendances qui ont le potentiel de prédire les résultats.

La ligne de fond est que ce genre d'information peut être puissant et peut être utilisé à de nombreuses fins.

Le rôle des bases de données relationnelles dans Big Data

La persistance des données se réfère à la façon dont une base de données conserve les versions de lui-même lorsqu'il est modifié. Le grand-père de magasins de données persistantes est la système de gestion de base de données relationnelle. À ses débuts, l'industrie informatique a utilisé ce sont maintenant considérées comme des techniques primitives pour la persistance des données.

Le modèle relationnel a été inventé par Edgar Codd, un scientifique d'IBM, dans les années 1970 et a été utilisé par IBM, Oracle, Microsoft, et d'autres. Il est encore dans l'utilisation large aujourd'hui et joue un rôle important dans l'évolution de grands volumes de données. Comprendre la base de données relationnelle est important parce que d'autres types de bases de données sont utilisés avec de grandes données.

Dans un modèle relationnel, les données sont stockées dans une table. Cette base de données contiendra une schéma - qui est une représentation structurelle de ce qui est dans la base de données. Par exemple, dans une base de données relationnelle, le schéma définit les tables, les champs dans les tables, et les relations entre les deux.

Les données sont stockées dans les colonnes, une pour chaque attribut de chaque donnée. Les données sont également stockées dans la rangée. Le premier produit de table stocke les infos deuxième stocke des informations démographiques. Chacun a différents attributs. Chaque table peut être mis à jour avec de nouvelles données, et les données peuvent être supprimées, de lire, et mis à jour. Ceci est souvent accompli en utilisant un modèle relationnel un langage d'interrogation structuré (SQL).

Un autre aspect du modèle relationnel utilisant SQL est que les tables peuvent être interrogés en utilisant une clé commune. La clé commune dans les tableaux est CustomerID.

Vous pouvez soumettre une requête, par exemple, pour déterminer le sexe des clients qui ont acheté un produit spécifique. Il pourrait ressembler à ceci:

Sélectionnez CustomerID, État, Sexe, produit à partir de "tableau démographique", "table de produit", où le produit = XXYY