
分布式計(jì)算能讓大數(shù)據(jù)分析更好地應(yīng)對(duì)挑戰(zhàn)
大數(shù)據(jù)分析在理論上聽起來不錯(cuò),但實(shí)踐操作卻非易事。Cloudera公司是電子垃圾回收領(lǐng)域的先驅(qū),公司的產(chǎn)品經(jīng)理Eva Andreasson表示,大數(shù)據(jù)分析面臨技術(shù)的局限和存儲(chǔ)成本,以及應(yīng)對(duì)不同系統(tǒng)的挑戰(zhàn)。
Andreasson在悉尼舉辦的“YOW! 開發(fā)者大會(huì)”上說,Hadoop下的不同工具能更好地應(yīng)對(duì)各種挑戰(zhàn),并列舉了衛(wèi)生和零售業(yè)的實(shí)際案例。
Andreasson曾與美國(guó)一家兒童醫(yī)院開展過合作,該家醫(yī)院需要對(duì)其數(shù)據(jù)進(jìn)行實(shí)質(zhì)分析。
該醫(yī)院的監(jiān)測(cè)系統(tǒng)不斷地獲得患者的呼吸系統(tǒng)、心臟速率、血壓等數(shù)據(jù)??上У氖?,該家醫(yī)院僅能將患者的關(guān)鍵數(shù)據(jù)儲(chǔ)存到手術(shù)或治理后三天。
Andreasson說,“在醫(yī)院的重癥監(jiān)護(hù)病房里,有很多嬰兒及患者不知道該如何溝通,醫(yī)生只能通過監(jiān)測(cè)系統(tǒng)獲得所有信息。試想,如果你是醫(yī)院里一名無法溝通的患者,在手術(shù)后治療出現(xiàn)了不適反應(yīng),該怎么辦?”
醫(yī)院的另一個(gè)問題是,研究數(shù)據(jù)存儲(chǔ)在不同的系統(tǒng)當(dāng)中,難以在短時(shí)間內(nèi)有效整合,這往往導(dǎo)致臨床醫(yī)師要獲得特定信息需等待很長(zhǎng)時(shí)間。
Andreasson還強(qiáng)調(diào):“醫(yī)生們明白兒童急診的最常見原因是哮喘。他們也做過大量不同渠道的研究,也擁有20年的其他外部研究數(shù)據(jù)。但是他們沒有一套系統(tǒng)能夠?yàn)檠芯啃〗M有效匯集數(shù)據(jù),數(shù)據(jù)總是存儲(chǔ)在不同的系統(tǒng)內(nèi)。”
醫(yī)院應(yīng)用Hadoop平臺(tái)可應(yīng)對(duì)這些挑戰(zhàn),而且能節(jié)省部分開支。Andreasson說,從硬件建設(shè)到軟件安裝,Hadoop平臺(tái)只需醫(yī)院用不到三個(gè)處理器來運(yùn)行原來的傳統(tǒng)數(shù)據(jù)管理系統(tǒng)。
醫(yī)院每周大約可處理50GB的監(jiān)測(cè)數(shù)據(jù),并有2TB的容量接受所有研究數(shù)據(jù)的同時(shí)訪問。而Apache Sqoop系統(tǒng)可用于在相關(guān)數(shù)據(jù)庫(kù)和Hadoop之間進(jìn)行數(shù)據(jù)轉(zhuǎn)換。
Solr是一款全文搜索的開源系統(tǒng)。工作人員正在使用Solr進(jìn)一步探索它的各種數(shù)據(jù)集和文件。而Impala作為一款查詢工具,用來做實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)分析和研究病人的健康狀況發(fā)展趨勢(shì)。
Andreasson說,“幾星期內(nèi),研究人員就能改變流程,讓患者的看護(hù)時(shí)間更長(zhǎng)。他們發(fā)現(xiàn),護(hù)士與患者接觸的時(shí)間多幾個(gè)小時(shí),患者就能恢復(fù)得更好。安裝完這一系統(tǒng)幾個(gè)月內(nèi),醫(yī)院就能減少與哮喘相關(guān)疾病的數(shù)量?!?/span>
Andreasson還提到另外一個(gè)在線零售商的案例,和兒童醫(yī)院類似,該零售商以前只能存儲(chǔ)客戶交易六個(gè)月以來的有限數(shù)據(jù)量。
“如果存儲(chǔ)時(shí)間能夠達(dá)到一年、兩年乃至五年,就能顯示哪類客戶在一段時(shí)間內(nèi)減少購(gòu)買或停止購(gòu)買其產(chǎn)品?!盇ndreasson補(bǔ)充說,“Hadoop就能做到這一點(diǎn),它能提供半年、一年乃至五年的數(shù)據(jù),因?yàn)樗且粋€(gè)線性的可擴(kuò)展平臺(tái)。”
該零售商還記錄著點(diǎn)擊該網(wǎng)站的每個(gè)訪問者記錄,訪問者點(diǎn)擊網(wǎng)站上特定板塊的時(shí)間,并加強(qiáng)了多類型數(shù)據(jù)集之間的相關(guān)性。
通過使用Flume,每個(gè)日志事件在生成之時(shí)就會(huì)被消耗掉,并發(fā)布到Hadoop分布式計(jì)算文件系統(tǒng)。然后系統(tǒng)會(huì)創(chuàng)建表格比較點(diǎn)擊率最高的產(chǎn)品和最暢銷的產(chǎn)品。
“在上述案例中,有一項(xiàng)產(chǎn)品不在"最暢銷產(chǎn)品"之列,但數(shù)據(jù)顯示用戶經(jīng)常點(diǎn)擊這個(gè)產(chǎn)品。這意味著什么?你可以通過添加有助商業(yè)開發(fā)的數(shù)據(jù)集,獲得新的見解?!?/span>
“我們看到,小孩踢的足球大受歡迎,但它并沒有在我們的購(gòu)物清單上。那我們要做些什么來獲得更多的收入呢?也許這個(gè)產(chǎn)品定價(jià)出了問題,在購(gòu)物者看到價(jià)格信息后沒有購(gòu)買就離開網(wǎng)頁了,當(dāng)然也可能有其他原因。”
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)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(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)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(kù)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(shí)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(kù)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(dòng)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(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)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(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)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(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)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(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(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(jià)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(kù)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)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(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)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(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)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(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)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(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11