★學習要求：大數據的類型，了解每個類型的相關含義、特點

★考察方向：

1.大數據的類型有哪些?

2.通過場景判斷是那種類型?

3.各類型的特點

★可能難以理解的點

●對于非專業(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

●“先有結構，再有數據”

●“先有數據，再有結構”

●“自描述的結構”

?考點講解：

必須記住——從數據結構化的程度來看，大數據的類型可以分為：結構化數據、半結構化數據和非結構化數據。

什么是“數據的結構化”?

簡單說，“結構化”就是數據的“組織形式”——就像咱們教室里的座位，每個位置都有固定的行和列，誰坐第幾排第幾號一目了然。數據的結構化程度，本質就是“數據有沒有固定的、整齊的‘座位表’”。根據這個“座位表”的清晰程度，大數據分為三類：結構化數據、半結構化數據、非結構化數據。

結構化的數據一般是指可以使用關系型數據庫表示和存儲，可以用二維表來邏輯表達實現(xiàn)的數據。它就像咱們的“學生成績表”：表頭固定是“姓名、學號、語文、數學、英語”，每一行對應一個學生，每一列對應一個科目，數據必須填在對應的格子里，不能亂套。

怎么理解“先有結構，再有數據”

可以這樣理解：比如學校要統(tǒng)計成績，肯定是先設計好“姓名、學號、科目”這個表格結構(也就是先定好“座位表”)，然后才把每個學生的成績填進去。再比如銀行的賬戶信息，一定是先有“卡號、戶主、余額、開戶日期”這些固定字段，再記錄每個人的具體信息——結構是“框架”，數據是“填充的內容”，框架先于內容存在。

半結構化數據是個“中間派”——它不像結構化數據那樣有嚴格的二維表格框架，但會用一些“標記”來區(qū)分數據的含義。比如咱們寫作文，沒有固定的“表頭”，但會用“標題、段落、標點”來分隔內容，這些“標記”就幫數據形成了隱性的結構。

怎么理解“先有數據，再有結構”和“自描述的結構”

- 先有數據，再有結構：比如你發(fā)朋友圈，先寫“今天去看了電影，超好看!”(這是數據)，然后微信系統(tǒng)會自動用標記區(qū)分“發(fā)布人、內容、時間、點贊數”(這是結構)——數據先產生，結構是后續(xù)通過標記“提煉”出來的，和結構化數據正好相反。

- 自描述：數據自己會“說明”自己的含義。比如HTML文檔里的“<標題>大數據分類”，這個“<標題>”標記就告訴電腦“后面的內容是標題”，不用依賴外部表格，數據自帶“說明書”。

非結構化數據最大的特點就是“沒有任何固定的結構”——你沒法用表格拆分它，也沒有明顯的標記來區(qū)分語義，只能作為一個“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、內容、停頓”的表格形式。

因為沒有固定結構，非結構化數據一般以“二進制格式的數據格式”存儲——比如圖片存成JPG/PNG，視頻存成MP4，音頻存成MP3，都是電腦能識別的二進制代碼，直接整體保存，不用拆分字段。