同网络，根据这一共同特性进行更新升级，可以进一步提升用户的使用体验。
（3）电子商务：在淘宝、京东、亚马逊等电商网站上，产生大量的商品浏览记录、购买记录和评论记录，批量处理这些数据，商铺可以针对用户的热度对商品进行重新排布，app可以根据每个用户的喜好为其进行个性化推送，生产公司可以用处理结果对每个不同地区的市场方针进行部署。
（4）网络安全：在金融服务和情报机构中，可以通过对批量数据的处理来检测客户交易等操作是否存在异常，由此对潜在的欺诈行为进行预防预警。
代表性的处理系统：
2003年Google发布了GFS（GoogleFileSystem），2004年发布MapReduce编程模型，掀起了大数据开发的高潮，在学术界和产业界产生了强烈反馈。作为MapReduce及GFS的开源版本，Nutch项目Hadoop在2006年发布了HDFS和MapReduce，MapReduce成为大数据标准的数据处理模型。HDFS是分布式文件系统，负责数据存储，MapReduce是大数据编程模型，负责批量大数据运算。Hadoop已经形成了生态圈，其子项目有Hive，HBase，Pig等。如图1所示。
22流式数据处理系统
流式数据还有以下几点共同特性：
（1）流式数据的每个单元都带有标志时间的标签和相关属性，所以处理流式数据通常是按照时间顺序来进行的。
（2）流式数据可以由无结构、半结构、结构化数据组成，故其处理流程复杂、数据纯度不高。
f龙源期刊网httpwwwqika
comc
（3）流式数据具有活动性。
典型应用：
（1）金融银行业：金融银行行业的运营数据，具有短时效性，数据结构也混杂，对这些流式数据进行处理，可以帮助银行发现其内在特征，帮助银行做出实时决策。
（2）数据采集：随着物联网的兴起，NBIoT的广泛应用，终端设备产生海量实时数据。当前主要有传感器数据采集、日志采集、Web操作日志采集，使用流式系统获取实时数据信息，达到动态预警及通知功能。
23代表性的处理系统
231Storm系统
Storm诞生于BackType公司，随着BackType被Twitter收购，Storm转为开源并在GitHub上公布。在2014年9月正式成为Apache旗下的顶级项目。
Storm是实时的Hadoop，在实时数据处理领域扮演Hadoop之与批量数据处理领域的角色。Storm解决了Hadoop在处理实时数据面临的瓶颈，采用分而治之理念的Hadoop在处理实时性要求高的场景显得老态龙钟。如图2所示。
Storm采用MasterSlave体系结构，与Hadoop主从架构一样，Nimbus是整个集群的控制节点，负责指令的分发和系统的监控。Supervisor是从节点，负责具体任务执行。
232Samza系统
Li
kedi
开源了消息队列Kafka，得到r