讀數據湖倉02數據抽象

来源:https://www.cnblogs.com/lying7/p/18435007
-Advertisement-
Play Games

1. 不同類型的數據 1.1. 不同類型的數據在存儲方面有各自的特性,這些特性極大地影響了數據在數據湖倉中的存儲和使用方式 1.2. 結構化數據 1.2.1. 在企業等組織中,只有少量的數據是結構化數據 1.2.2. 結構化數據是基於事務的數據,是組織日常業務的副產品 1.3. 文本數據 1.3.1 ...


1. 不同類型的數據

1.1. 不同類型的數據在存儲方面有各自的特性,這些特性極大地影響了數據在數據湖倉中的存儲和使用方式

1.2. 結構化數據

  • 1.2.1. 在企業等組織中,只有少量的數據是結構化數據

  • 1.2.2. 結構化數據是基於事務的數據,是組織日常業務的副產品

1.3. 文本數據

  • 1.3.1. 存在於許多地方,如合同、電子郵件、電話交談、醫療記錄等

1.4. 機器生成的模擬/物聯網數據

  • 1.4.1. 這類機器包括攝像頭、無人機、手錶、鬧鐘、車輛等

  • 1.4.2. 由機器生成的數據無處不在

2. 數據量

2.1. 在組織中,對於不同類型的數據有不同的度量維度

2.2. 最重要的維度是數據量,而存儲和管理不同數據量所使用的技術也各不相同

2.3. 與文本數據相比,結構化數據的數據量相對較小

2.4. 由機器生成的數據的數據量要遠遠超過文本數據的數據量

3. 數據的業務價值

3.1. 僅僅有大量的數據並不意味著所有的數據都具有業務價值

  • 3.1.1. 有些數據的業務價值很高

  • 3.1.2. 有些數據的業務價值則相對較低

3.2. 由機器生成的模擬/物聯網數據

  • 3.2.1. 只有一小部分具有巨大的業務價值

  • 3.2.2. 大部分由機器生成的數據都是機械式的記錄,它們很少或根本沒有業務價值

    • 3.2.2.1. 如果有一天車床由於異常導致無法正常工作,那麼我們需要高度關註該車床當天生成的數據

    • 3.2.2.2. 車床在工作過程中生成的有用數據的比例非常低

4. 數據的訪問概率

4.1. 數據的訪問概率與其蘊藏的業務價值密切相關

  • 4.1.1. 數據被訪問的概率集中在有業務價值的數據中

4.2. 數據湖倉中數據的訪問概率與數據的業務價值呈正相關

4.3. 將不常被訪問的數據與訪問概率較高的數據存儲在同一個地方是沒有意義的,應該將其存儲到不同的數據存儲器中

4.4. 將不同類型的數據存儲在一起不僅會影響存儲器的性能、增加成本,而且會降低數據分析工程師處理數據的效率

  • 4.4.1. 將訪問概率較高的數據與訪問概率較低的數據存儲在數據湖倉中的同一位置並不明智

4.5. 在對數據進行分隔存儲時,我們需要考慮是否檢索存儲在大容量存儲器中的數據

  • 4.5.1. 需要考慮將數據存儲到大容量存儲器中後,在未來出現未知需求時,我們能否查找和分析已存入大容量存儲器中的數據

  • 4.5.2. 在大容量存儲器中找到所需的數據後,就可以很容易地將該數據存儲到高性能存儲器中

5. 數據降級

5.1. 隨著時間的推移,所有類型的數據都會發生數據降級(Data Degradation)

5.2. 數據的訪問概率會隨著時間的推移而降低

5.3. 存儲時間越久的數據,對解決當前問題有幫助的概率就越低

6. 基於大容量存儲器的數據歸檔機制

6.1. 隨著時間的推移,數據的訪問概率和業務價值都會降低,為了提高數據的存儲能力,將大容量存儲器作為歸檔數據的載體是必要的

6.2. 數據被存儲在歸檔存儲區,當需要用到相關數據時,可以在歸檔存儲區進行檢索

6.3. 如果數據歸檔處理得當,那麼幾乎不需要在歸檔存儲區中檢索數據

7. 數據抽象

7.1. 數據抽象是數據湖倉的基礎,它是許多依賴企業數據的應用程式的基礎設施

  • 7.1.1. 正確的數據抽象使數據湖倉中的各方可以方便地訪問和使用數據,也能使數據更易於理解

7.2. 數據抽象(Data Abstraction)是一種處理大量複雜數據的非常有用且必要的方法

7.3. 人們在日常生活中經常使用抽象的方法來處理規模龐大且複雜的事物

7.4. 使用抽象的方式引用對象比單獨提及每個對象更簡便

7.5. 數據類型不同,抽象模式和方法也不同

  • 7.5.1. 結構化數據通過數據模型進行抽象

  • 7.5.2. 文本數據通過本體(Ontology)和分類標準進行抽象

  • 7.5.3. 模擬/物聯網數據通過蒸餾演算法進行抽象

7.6. 經過初步觀察,可以發現,數據模型和本體似乎是一回事

7.7. 這兩種抽象類型之間也存在一些重要且明顯的區別

  • 7.7.1. 數據模型面向內部,著眼於組織的內部運行

  • 7.7.2. 本體面向外部,用於描述外部世界

  • 7.7.3. 數據模型描述的數據可在必要時進行更改

  • 7.7.4. 本體所抽象的文本則不能更改

  • 7.7.5. 數據模型所使用的數據是有限的

  • 7.7.6. 文本以及文本所依據的外部世界的描述卻不是有限的

    • 7.7.6.1. 外部世界可以永遠存在

7.8. 數據模型和本體是對數據的抽象,而蒸餾演算法則是對處理過程的描述

7.9. 基礎數據中還有另一種重要的抽象概念,即數據在組織流程中流動時對數據血緣的抽象

  • 7.9.1. 數據是作為事務的一部分被採集的

  • 7.9.2. 數據一旦被採集,就會與其他同類數據彙集在一起

  • 7.9.3. 數據到達用於分析處理的位置後,分析人員需要全面瞭解數據經歷的整個過程,只有這樣他們才能成功進行分析處理

8. 結構化數據模型

8.1. 實體關係圖(Entity Relationship Diagram,ERD)

  • 8.1.1. 實體關係圖描述了組織的主要主題領域及實體之間的關係

8.2. 數據項集(Data Item Set,DIS)

  • 8.2.1. 數據項集則將實體擴展為其組成部分,包括特定實體的鍵、屬性以及數據項集中實體的從屬數據

8.3. 資料庫模式(Database Schema)

  • 8.3.1. 資料庫模式是數據項集的鏡像,它描述了數據的物理屬性、索引和唯一鍵值等特征

  • 8.3.2. 只是在數據項集的基礎上增加了一些細節

8.4. 數據模型的不同組成部分是相互關聯的,實體關係圖中的每個實體都有一個對應的數據項集,並且每個數據項集都有一個對應的資料庫模式

8.5. 數據模型通常不包括派生數據(Derived Data)或彙總數據(Summarized Data),僅包含粒度數據(Granular Data)

8.6. 數據模型的元素可用於為數據模型內部的數據提供上下文情境

9. 本體和分類標準

9.1. 本體是一組相關的分類標準

  • 9.1.1. 本體是無限的,創建本體是為了滿足特定群體的需求

    • 9.1.1.1. 本體的元素可以無限擴展
  • 9.1.2. 本體中的每個分類標準都是獨一無二的

  • 9.1.3. 第一種類型的本體是通用的,適用於任何主題

    • 9.1.3.1. “我喜歡……”

    • 9.1.3.2. “我愛……”​

  • 9.1.4. 第二種類型的本體是針對某一學科的

    • 9.1.4.1. 醫生有醫學術語

    • 9.1.4.2. 律師有法律術語

    • 9.1.4.3. 建築工人有建築術語

  • 9.1.5. 第三種類型的本體是針對某個組織特定術語的本體

    • 9.1.5.1. 某家石油公司會使用一些只在其內部使用的術語

9.2. 分類標準是對相似事物的分類

  • 9.2.1. 每個分類標準中的元素都與其他分類標準中的元素存在著某種關係

  • 9.2.2. 分類標準中的每個元素都與分類標準的一般值有著相同的關係

  • 9.2.3. 分類標準用於對同類對象進行分類

  • 9.2.4. 分類標準是用來描述外部世界的

  • 9.2.5. 分類標準是一種固定的文本抽象,不會隨意改變

10. 蒸餾演算法

10.1. 從大量模擬/物聯網數據中蒸餾有用的數據

10.2. 蒸餾演算法的形式多種多樣,如何選擇取決於模擬/物聯網數據自身的業務價值和最終業務價值之間的差異

10.3. 隨著時間的推移,蒸餾演算法也會隨條件的變化而改變


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 本文作者:YashanDB中級服務工程師鮑健昕 為什麼需要Docker部署資料庫 常規使用 yasboot 部署資料庫的方法,操作流程複雜,需要配置許多配置文件以及環境變數,不同用戶使用的環境不同,那麼環境配置也會存在差異,每當更換機器或者有新系統開發時都要就要重覆不熟⼀次。 使用 Docker 後 ...
  • 本文作者:YashanDB高級服務工程師盧智凌 從去年開始,⼀直在學習國產資料庫YashanDB,對YashanDB的總體感覺還是非常不錯的。作為對學習成果的考察,去年通過了YashanDB官方組織的YCA認證,4月底⼜參加了YCP認證,YCP認證包括筆試部分和實操部分。在準備實操部分的練習時,使用 ...
  • 本文作者:YashanDB高級服務工程師周國超 YashanDB共用集群是崖⼭資料庫系統(YashanDB)的⼀個關鍵特性,它是⼀個單庫多實例的多活資料庫系統。⽤⼾可以連接到任意實例訪問同⼀個資料庫,多個資料庫實例能夠併發讀寫同⼀份數據,同時保證實例之間讀寫的強⼀致性。這種設計賦予了系統⾼可⽤性、⾼ ...
  • 參考官網鏈接:https://docs-opengauss.osinfra.cn/zh/docs/5.0.0/docs/InstallationGuide/%E5%8D%95%E8%8A%82%E7%82%B9%E5%AE%89%E8%A3%85.html 其中安裝版本為 5.0,操作系統為 ope ...
  • 1. 結構化數據 1.1. 結構化數據是數據湖倉中最常見的基礎數據之一 1.1.1. 是技術領域中最早出現的數據環境之一 1.2. 每條記錄的結構都是相同的,即便不同記錄中的內容可能不同,但數據的基本佈局完全一樣 1.3. 結構化數據環境都經過了優化,電腦能以最優的方式處理結構化數據 1.4. 很 ...
  • 本文內容來自YashanDB官網,具體內容請見(https://www.yashandb.com/newsinfo/7488286.html?templateId=1718516) 測試驗證環境說明 測試用例說明 1、相同版本下,新增表數據量,使統計信息失效。優化器優先使用outline的計劃。 2 ...
  • PostgreSQL的流複製,從整體上看,可以粗分為同步與非同步兩種模式,其中涉及的主要參數包括synchronous_commit和synchronous_standby_names 主節點synchronous_commit參數設置 synchronous_commit事務提交模式,類似於MySQ ...
  • 本文是翻譯A graph a day, keeps the doctor away ! – MySQL History List Length[1]這篇文章,翻譯如有不當的地方,敬請諒解,請尊重原創和翻譯勞動成果,轉載的時候請註明出處。謝謝! 這是MySQL趨勢系列文章的第二篇。 正如我之前所寫,了 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...