大数据
大数据bigdatamegadata，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的4V特点Volume大量、Velocity高速、Variety多样、Value价值。第一，数据体量巨大。从TB级别，跃升到PB级别。第二，数据类型繁多，如前文提到的网络日志、视频、图片、地理位置信息，等等。第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。大数据最核心的价值就是在于对于海量数据进行存储和分析。大数据（Bigdata）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大的数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统，但不是所有的MPP的关系数据库的PB的数据存储和管理的能力。隐含的负载，监控，备份和优化大型数据表的使用在RDBMS的。
SOA管理大数据SOA的三个数据中心模型分别是数据即服务DaaS模型、物
理层次结构模型和架构组件模型。DaaS数据存取的模型描述了数据是如何提供给SOA组
件的。物理模型描述了数据是如何存储的以及存储的层次图是如何传送到SOA数据存储器
上的。最后，架构模型描述了数据、数据管理服务和SOA组件之间的关系。
从大数据的价值链条来分析，存在三种模式：1手握大数据，但是没有利用好；比较典型的是金融机构，电信行业，政府机构等。2没有数据，但是知道如何帮助有数据的人利用它；比较典型的是IT咨询和服务企业，
比如，埃森哲，IBM，Oracle等。3既有数据，又有大数据思维；比较典型的是Google，Amazo
，Mastercard等。未来在大数据领域最具有价值的是两种事物：1拥有大数据思维的人，这种人可以将大
数据的潜在价值转化为实际利益；2还未有被大数据触及过r