大数据 技术？
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
延伸阅读
大数据有什么技术，大数据技术内容介绍？
一、大数据基础阶段
大数据基础阶段需掌握的技术有：linux、docker、kvm、mysql基础、oracle基础、mongodb、redis以及hadoopmapreduce hdfs yarn等。
二、大数据存储阶段
大数据存储阶段需掌握的技术有：hbase、hive、sqoop等。
三、大数据架构设计阶段
大数据架构设计阶段需掌握的技术有：flume分布式、zookeeper、kafka等。
四、大数据实时计算阶段
大数据实时计算阶段需掌握的技术有：mahout、spark、storm。
五、大数据数据采集阶段
大数据数据采集阶段需掌握的技术有：python、scala。
六、大数据商业实战阶段
大数据商业实战阶段需掌握的技术有：实操企业大数据处理业务场景，分析需求、sbobet利记手机的解决方案实施，综合技术实战应用。
大数据管理和大数据技术哪个更好？
大数据技术好。
大数据专业是新设立的专业之一，而且未来大数据领域的人才需求潜力也比较大，所以选择大数据专业也是顺应时代发展的选择。大数据专业是一个典型的交叉学科专业，涉及到数学、统计学和计算机三大块内容，所以大数据专业的学习压力往往要大一些，而且大数据专业对于数学基础的要求更高一些，这一点要引起足够的重视。
什么是大数据技术？
大数据技术是指大数据的应用技术，涵盖各类大数据平台、大数据指数体系等大数据应用技术。
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
五分钟看懂大数据技术？
大数据技术涉及：数据的采集、预处理、和分布式存储、以及数据仓库、机器学习、并行计算和可视化等方面。
对于大数据技术，应用广泛的是以hadoop和spark为核心的生态系统。hadoop提供一个稳定的共享存储和分析系统，存储由hdfs实现，分析由mapreduce实现，
1、hdfs：hadoop分布式文件系统，运行与大型商用机集群
hdfs是gfs的开源实现，提供了在廉价服务器集群中进行大规模分布式文件存储的能力。
2、hbase：分布式的列存储数据库。hbase将hdfs作为底层存储，同时支持mapreduce的批量计算和点查询（随机读取）
hbase是一个建立在hdfs之上，面向列的nosql数据库。它可用于快速读写大量数据，是一个高可靠、高并发读写、高性能、面向列、可伸缩和易构建的分布式存储系统。hbase具有海量数据存储、快速随机访问和大量写操作等特点。
在kudu出现之前，hadoop生态环境的存储主要依赖hdfs和hbase。在追求高吞吐、批处理的场景中，使用hdfs,在追求低延时且随机读取的场景中，使用hbase,而kudu正好能兼容这两者。
3、批处理计算的基石：mapreduce
批处理计算主要解决大规模数据的批量处理问题，是日常数据分析中常见的一类数据处理需求。业界常用的大数据批处理框架有mapreducesparktezpig等。其中mapdeduce是比较有影响力和代表性的大数据批处理计算框架。它可以并发执行大规模数据处理任务，即用于大规模数据集（大于1tb）的并行计算。mapreduce的核心思想：将一个大数据集拆分成多个小数据集，然后在多台机器上并行处理。
4、hive:分布式数据仓库，管理hdfs中存储的数据，并提供基于sql的查询语言用于查询数据