
大數(shù)據(jù)是否可重復(fù)數(shù)據(jù)刪除_數(shù)據(jù)分析師考試
我們所談?wù)摰摹拔谋尽贝髷?shù)據(jù),如日志或者從不同的來源(如網(wǎng)絡(luò)、信貸機(jī)構(gòu)、Facebook)收集的信息,它們都是高度可壓縮的。事實上,大多數(shù)數(shù)據(jù)倉庫產(chǎn)品都是基于column的壓縮,以達(dá)到較高的重復(fù)數(shù)據(jù)刪除比率和提高性能。畢竟,最快的I/O是你不必實現(xiàn)的I/O。
重復(fù)數(shù)據(jù)刪除數(shù)據(jù)的結(jié)果是提高緩存利用率,而降低磁盤I/O。重復(fù)數(shù)據(jù)刪除可用于任何規(guī)模的數(shù)據(jù);只是目前大多數(shù)重復(fù)數(shù)據(jù)刪除產(chǎn)品還不能處理大容量的數(shù)據(jù),但這并不意味著不能實現(xiàn)。
當(dāng)我們從整體存儲角度來考慮,而不僅僅是從專業(yè)數(shù)據(jù)庫的角度考慮時,Rob Peglar對于元數(shù)據(jù)的擔(dān)憂就是有道理的。但也有許多的解決方法。
微軟曾在名為“ChunkStash”的技術(shù)研究中提出了一種減少重復(fù)數(shù)據(jù)刪除對RAM需求的方法。這種方法在RAM中僅為每個記錄分配2個字節(jié)。
而復(fù)制節(jié)點之間的元數(shù)據(jù)問題可由初創(chuàng)廠商Scality提供的方法來解決,它使用DHT(Distributed Hash Tables)來處理元數(shù)據(jù)的分布。這與P2P(端對端)系統(tǒng)處理PB級規(guī)模數(shù)據(jù)所使用的技術(shù)是一樣的。
從性能的角度來看,Scality并沒有Isilon高效,但它提供了一種可能解決該問題的方法。
NetApp采用的方法和Isilon的方法一樣“高性能”,而且是以更加簡單的方式來解決這個問題,它并沒有重復(fù)刪除元數(shù)據(jù)的復(fù)制。重復(fù)數(shù)據(jù)刪除在單個節(jié)點上實現(xiàn),而集群更加智能于聚合同類型的文件。這對性能和重復(fù)數(shù)據(jù)刪除都更加有利。
而諸如Vertica和Greenplum的數(shù)據(jù)庫也得益于數(shù)據(jù)的位置。它們并不使用全局重復(fù)數(shù)據(jù)刪除,卻獲得了可觀的壓縮比。
由戴爾收購的壓縮/重復(fù)數(shù)據(jù)刪除廠商Ocarina曾展示過如何從意外的文件(比如圖像和視頻)獲得更好壓縮率的方法。該方法可以用于像石油和天然氣這樣的行業(yè),它們的數(shù)據(jù)曾長期被認(rèn)為是不可能達(dá)到良好的壓縮率。
許多其他廠商處理數(shù)據(jù)的方法可能會獲得更高的壓縮率。來自IBM的Jesse Jonas曾介紹了如何堆積數(shù)據(jù)的方法,這是一種非常不錯的數(shù)據(jù)精簡算法。
壓縮和重復(fù)數(shù)據(jù)刪除將在大數(shù)據(jù)中起到舉足輕重的作用;這一切都將關(guān)于與經(jīng)濟(jì)。正如Steve Duplessie所指出的那樣,下一代存儲之爭將圍繞著經(jīng)濟(jì)所展開。如果你的系統(tǒng)相比競爭供應(yīng)商的系統(tǒng)需要更多數(shù)據(jù)級的存儲,那么你就難以去競爭。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11