大數(shù)據(jù)技術(shù)在通信行業(yè)的應(yīng)用探討

江蘇省通信管理局通信發(fā)展與保障處 堵雯曦

大數(shù)據(jù)技術(shù)在通信行業(yè)的應(yīng)用探討

江蘇省通信管理局通信發(fā)展與保障處 堵雯曦

大數(shù)據(jù)正在深入到各行各業(yè)。介紹了大數(shù)據(jù)概念，并對大數(shù)據(jù)的存儲、挖掘分析和綜合展示等技術(shù)分別進行了闡述，最后對大數(shù)據(jù)在通信行業(yè)的應(yīng)用進行了分析。

大數(shù)據(jù)；數(shù)據(jù)處理平臺；非結(jié)構(gòu)化數(shù)據(jù)

引言

自從20世紀中期計算機誕生以來，伴隨著科技和社會的發(fā)展進步，數(shù)據(jù)的數(shù)量不斷增多，質(zhì)量不斷提高。尤其是近年來，隨著互聯(lián)網(wǎng)應(yīng)用技術(shù)的全面發(fā)展，帶來的大規(guī)模音頻、文字、圖片視頻等半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、云計算廣泛應(yīng)用，使得個人可以更加準確快捷的發(fā)布、獲取數(shù)據(jù)，數(shù)據(jù)規(guī)模、數(shù)據(jù)種類正在以極快的速度增長，可以說大數(shù)據(jù)時代[1]已然降臨。

面對如此增長迅速的數(shù)據(jù)資源，特別在數(shù)據(jù)規(guī)模急劇增長的同時，數(shù)據(jù)類型也越來越復(fù)雜，包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)等多種類型，采用傳統(tǒng)數(shù)據(jù)處理手段已難以進行處理。因此，大數(shù)據(jù)技術(shù)應(yīng)運而生，將大量數(shù)據(jù)不經(jīng)過模型和假設(shè)直接交給計算機進行處理，從而發(fā)現(xiàn)某些傳統(tǒng)方法難以得到的規(guī)律和結(jié)論。

1 大數(shù)據(jù)概念

大數(shù)據(jù)作為一個新興概念，至今尚無確切、統(tǒng)一的定義。大數(shù)據(jù)前身可以認為是海量數(shù)據(jù)，但海量數(shù)據(jù)強調(diào)了數(shù)據(jù)量的規(guī)模之大，并沒有對其特性進行定義。而大數(shù)據(jù)不僅用來描述大量的數(shù)據(jù)，還更進一步指出數(shù)據(jù)的復(fù)雜形式、數(shù)據(jù)的快速時間特性以及對數(shù)據(jù)的分析、處理等專業(yè)化處理，最終獲得有價值信息的能力。當前，較為統(tǒng)一的認識是大數(shù)據(jù)有4個基本特征：數(shù)據(jù)規(guī)模大（volume），數(shù)據(jù)種類多（variety），數(shù)據(jù)要求處理速度快（velocity），數(shù)據(jù)價值密度低（value），即所謂的4V特性。這些特性使得大數(shù)據(jù)區(qū)別于傳統(tǒng)的數(shù)據(jù)概念。

1.1 數(shù)據(jù)規(guī)模大

數(shù)據(jù)規(guī)模大是大數(shù)據(jù)的基本屬性，根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）[2]的定義，至少要有超過100 TB的可供分析的數(shù)據(jù)。導(dǎo)致數(shù)據(jù)規(guī)模不斷增長的原因較多，比如隨著各種傳感器數(shù)據(jù)獲取能力的大幅提高，使得人們獲取的數(shù)據(jù)越來越接近原始事物本身，描述同一事物的數(shù)據(jù)量激增。另外，早期的結(jié)構(gòu)化數(shù)據(jù)，對原始事物進行了一定程度的抽象，數(shù)據(jù)維度低，數(shù)據(jù)類型簡單，數(shù)據(jù)量有限，增長速度慢；而隨著應(yīng)用的發(fā)展，數(shù)據(jù)維度越來越高，描述相同事物所需的數(shù)據(jù)量越來越大，數(shù)據(jù)越來越接近真實的世界，數(shù)據(jù)的描述能力不斷增強，數(shù)據(jù)量本身必將以幾何級數(shù)增長。

1.2 數(shù)據(jù)種類多

數(shù)據(jù)類型繁多，復(fù)雜多變是大數(shù)據(jù)的重要特性。以往的數(shù)據(jù)盡管數(shù)量龐大，但通常是事先定義好的結(jié)構(gòu)化數(shù)據(jù)。這類數(shù)據(jù)只需事先分析好數(shù)據(jù)的含義以數(shù)據(jù)間的相互關(guān)系，再根據(jù)其屬性，將數(shù)據(jù)存儲在合適的位置，就可以方便的處理、查詢，限制數(shù)據(jù)處理能力的只是運算速度和存儲空間。而隨著互聯(lián)網(wǎng)絡(luò)與傳感器的飛速發(fā)展，非結(jié)構(gòu)化數(shù)據(jù)大量涌現(xiàn)。非結(jié)構(gòu)化數(shù)據(jù)沒有統(tǒng)一的結(jié)構(gòu)屬性，增加了數(shù)據(jù)存儲、處理的難度。而時下在網(wǎng)絡(luò)上流動著的數(shù)據(jù)大部分是非結(jié)構(gòu)化數(shù)據(jù)，人們上網(wǎng)不只是看看新聞，發(fā)送文字郵件，還會上傳下載照片、視頻、發(fā)送微博等非結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)正是在這樣的背景下產(chǎn)生的，大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)處理最大的不同就是重點關(guān)注非結(jié)構(gòu)化信息。

1.3 數(shù)據(jù)處理速度快

要求數(shù)據(jù)的快速處理，是大數(shù)據(jù)區(qū)別于傳統(tǒng)海量數(shù)據(jù)處理的重要特性之一。隨著各種傳感器和互聯(lián)網(wǎng)絡(luò)等信息獲取、傳播技術(shù)的飛速發(fā)展普及，數(shù)據(jù)呈爆炸的形式快速增長，新數(shù)據(jù)不斷涌現(xiàn)，快速增長的數(shù)據(jù)量要求數(shù)據(jù)處理的速度也要相應(yīng)的提升，才能使得大量的數(shù)據(jù)得到有效的利用。如果數(shù)據(jù)尚未得到有效的處理，就失去了價值，大量的數(shù)據(jù)就沒有意義。對不斷激增的海量數(shù)據(jù)的實時處理要求，是大數(shù)據(jù)與傳統(tǒng)海量數(shù)據(jù)處理技術(shù)的關(guān)鍵差別之一。

1.4 數(shù)據(jù)價值密度低

數(shù)據(jù)價值密度低是大數(shù)據(jù)關(guān)注的非結(jié)構(gòu)化數(shù)據(jù)的重要屬性。傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，依據(jù)特定的應(yīng)用，對事物進行了相應(yīng)的抽象，每一條數(shù)據(jù)都包含該應(yīng)用需要考量的信息。而大數(shù)據(jù)為了獲取事物的全部細節(jié)，不對事物進行抽象、歸納等處理，直接采用原始的數(shù)據(jù)，保留了數(shù)據(jù)的原貌。這樣雖然可以分析更多的信息，但也引入了大量沒有意義的信息，甚至是錯誤的信息，因此相對于特定的應(yīng)用，大數(shù)據(jù)關(guān)注的非結(jié)構(gòu)化數(shù)據(jù)的價值密度偏低。

2 大數(shù)據(jù)技術(shù)

依據(jù)大數(shù)據(jù)生命周期的不同階段，可以將與大數(shù)據(jù)處理相關(guān)的技術(shù)分為相應(yīng)的大數(shù)據(jù)存儲、大數(shù)據(jù)挖掘分析和大數(shù)據(jù)綜合展現(xiàn)3個方面。

2.1 大數(shù)據(jù)存儲

從海量數(shù)據(jù)時代開始，大規(guī)模數(shù)據(jù)的長期保存、數(shù)據(jù)遷移一直都是研究的重點。從20世紀90年代末至今，數(shù)據(jù)存儲始終是依據(jù)數(shù)據(jù)量大小的不斷變化和不斷優(yōu)化向前發(fā)展的。其中主要有：DAS（直接外掛存儲），NAS（網(wǎng)絡(luò)附加存儲），SAN（存儲域網(wǎng)絡(luò)）和SAN IP等存儲方式。這幾種存儲方式雖然是不同時代的產(chǎn)物，但各自的優(yōu)缺點都十分鮮明，數(shù)據(jù)中心往往是根據(jù)自身的服務(wù)器數(shù)量和要處理的數(shù)據(jù)對象進行選擇。

此外，這兩年數(shù)據(jù)存儲的虛擬化從研究走向現(xiàn)實。所謂虛擬化，就是將原有的服務(wù)器進行軟件虛擬化，將其劃分為若干個獨立的服務(wù)空間，如此可以在一臺服務(wù)器上提供多種存儲服務(wù)，大大提高了存儲效率，節(jié)約存儲成本，是異構(gòu)數(shù)據(jù)平臺的最佳選擇。從技術(shù)角度來講，虛擬化可以分為存儲虛擬化和網(wǎng)絡(luò)虛擬化。網(wǎng)絡(luò)虛擬化是存儲虛擬化的輔助，能夠大幅度提升數(shù)據(jù)中心的網(wǎng)絡(luò)利用率和傳輸速率。目前IBM、浪潮、思科等公司紛紛發(fā)力虛擬化市場，可以預(yù)見虛擬化會成為未來大數(shù)據(jù)存儲的一個主流技術(shù)[3]。

此外，采用NoSQL（非關(guān)系型的數(shù)據(jù)庫），去除了關(guān)系數(shù)據(jù)庫的關(guān)系型特性，簡化了數(shù)據(jù)庫結(jié)構(gòu)，便于對數(shù)據(jù)和系統(tǒng)架構(gòu)進行擴展。此外，NoSQL可以自定義數(shù)據(jù)存儲格式，是一個非常靈活的數(shù)據(jù)模型。

NoSQL的優(yōu)勢：

1）易擴展。去掉了關(guān)系數(shù)據(jù)庫的關(guān)系型特性，數(shù)據(jù)之間無關(guān)系，非常容易擴展。

2）大數(shù)據(jù)量，高性能。NoSQL數(shù)據(jù)庫具有非常好的讀寫性能，尤其在大數(shù)據(jù)量下同樣表現(xiàn)優(yōu)秀。

3）靈活的數(shù)據(jù)模型。NoSQL無需事先為要存儲的數(shù)據(jù)建立字段，隨時可以存儲自定義的數(shù)據(jù)格式。

4）高可用。NoSQL在不太影響性能的情況，可以方便地實現(xiàn)高可用的架構(gòu)。

2.2 大數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘是從數(shù)據(jù)集中識別出有效的、新穎的、有用的、最終可理解的模式知識的復(fù)雜過程。在大數(shù)據(jù)的處理技術(shù)中，超大規(guī)模的數(shù)據(jù)挖掘一直是難點，也是重點。面對上百TB，甚至PB級別的異構(gòu)數(shù)據(jù)，常規(guī)的處理工具往往難以擔當重任。需要考慮到的是大數(shù)據(jù)是個不斷生長的有機體，因此在挖掘過程中還要考慮到未來數(shù)據(jù)繼續(xù)增長所帶來的影響。

因此，大數(shù)據(jù)的挖掘需要采用分布式挖掘和云計算。Google公司一直是分布式挖掘技術(shù)的領(lǐng)導(dǎo)者，它研發(fā)了MapReduce分布式計算框架[4]，英特爾公司在此基礎(chǔ)上開發(fā)了Hadoop分布式挖掘平臺。兩者都具有高效、高擴展、高可靠性和高容錯率的特點，并提供免費版本，適用于各種類型的大數(shù)據(jù)挖掘。

2.2.1 Google云計算平臺

Google云計算平臺主要由文件存儲、并行數(shù)據(jù)處理、分布式鎖和結(jié)構(gòu)化數(shù)據(jù)表4部分組成，其構(gòu)成如圖1所示。

由圖1可知，Google4 云計算平臺的文件存儲采用GFS（谷歌分布式文件系統(tǒng)）[5]，并行數(shù)據(jù)處理技術(shù)采用MapReduce[6]，分布式鎖采用Chubby[7]，結(jié)構(gòu)化數(shù)據(jù)表采用的是BigTable[8]，這些共同構(gòu)成計算平臺，為上層的云計算應(yīng)用服務(wù)。

GFS由一個的主服務(wù)器和多個塊服務(wù)器組成，并可以多個客戶端的訪問，數(shù)據(jù)存儲在塊服務(wù)器，并且在主服務(wù)器上保存其索引?？蛻舳送ㄟ^查詢主服務(wù)器，獲取所需文件的索引，然后從塊服務(wù)器上獲取所需要的文件。MapReduce是Jeffery Dean設(shè)計的一個新的并行處理模型，將并行化、容錯、數(shù)據(jù)分布、負載均衡的等繁瑣的實現(xiàn)細節(jié)進行封裝，用戶只需編寫簡單的計算代碼，而并不必關(guān)心算法的并行處理過程。Chubby是Google為解決分布式一致性問題而設(shè)計的提供粗粒度鎖服務(wù)的文件系統(tǒng)，其他分布式系統(tǒng)可以使用它對共享資源的訪問進行同步。BigTable基于GFS和Chubby的分布式存儲系統(tǒng)，對數(shù)據(jù)進行結(jié)構(gòu)化存儲和管理，從而快速地從海量信息中尋找需要的數(shù)據(jù)。Google現(xiàn)有的平臺技術(shù)是大數(shù)據(jù)的成功應(yīng)用經(jīng)驗，可以作為系統(tǒng)構(gòu)建時的借鑒和參考。

2.2.2 開源大數(shù)據(jù)處理平臺Hadoop

Hadoop是一個能對大量數(shù)據(jù)進行分布式處理的軟件框架，起源于一個開源的Apache基金會項目，隨著越來越多用戶的加入，經(jīng)過不斷使用、貢獻和完善，已經(jīng)形成一個強大的生態(tài)系統(tǒng)。由于具備低成本和高擴展性，受到許多IT廠商的關(guān)注，目前已經(jīng)成為大數(shù)據(jù)處理平臺的事實標準。Hadoop在業(yè)內(nèi)已有一些比較成功的應(yīng)用，如Yahoo、Facebook、淘寶等，用于數(shù)據(jù)統(tǒng)計和分析。

Hadoop的架構(gòu)如圖2所示。主要部件包括：

1）HDFS（Hadoop 分布式文件系統(tǒng)）。用于提供廉價、高可靠性的超大容量的存儲。

2）MapReduce（并行數(shù)據(jù)處理）。當處理一個大數(shù)據(jù)集查詢時會將其任務(wù)分解，并在運行的多個節(jié)點中處理，體現(xiàn)了分布式計算優(yōu)勢。將這種技術(shù)與Linux服務(wù)器結(jié)合可獲得性價比極高、替代大規(guī)模計算陣列的方法。

3）Hbase。它以Google BigTable為藍本，目標是快速在主機內(nèi)數(shù)十億行數(shù)據(jù)中定位所需的數(shù)據(jù)并訪問它。HBase利用MapReduce處理內(nèi)部的海量數(shù)據(jù)。

4）Pig（數(shù)據(jù)分析平臺）和Hive（數(shù)據(jù)倉庫）。對開發(fā)人員來說，直接使用Java API（應(yīng)用程序接口）可能很乏味，也很容易出錯，同時也限制了Java程序員在Hadoop上編程的運用靈活性。Hadoop提供了Pig和Hive兩個解決方案，使得Hadoop編程變得更加容易。

Hadoop已成為大數(shù)據(jù)事實標準，包含數(shù)十個具有強大生命力的子項目。具有高擴展性、經(jīng)濟性、高可靠性、高效性等四大優(yōu)勢：

1）高擴展性。不論是存儲的可擴展性還是計算的可擴展性，都是Hadoop的根本。

2）經(jīng)濟性。能夠部署在普通PC（個人計算機）服務(wù)器集群之上，以滿足苛刻的生產(chǎn)環(huán)境業(yè)務(wù)需求，通過橫向擴展完成以前需要小型機、大型機才能完成的任務(wù)。

3）高可靠性。分布式文件系統(tǒng)的備份恢復(fù)機制以及MapReduce的任務(wù)監(jiān)控保證了分布式處理的可靠性。

4）高效性。分布式文件系統(tǒng)的高效數(shù)據(jù)交互實現(xiàn)以及MapReduce結(jié)合LocalData處理的模式，為高效處理海量的信息作了基礎(chǔ)準備。

目前，隨著Hadoop應(yīng)用不斷深入，其擴展性受限、單點故障、難以支持MapReduce之外的計算、多計算框架各自為戰(zhàn)，數(shù)據(jù)共享困難等問題逐漸顯露，因此Hadoop2.0版本YARN（另一種資源協(xié)調(diào)者）應(yīng)運而生，并已逐步開展應(yīng)用。

2.3 大數(shù)據(jù)綜合展示

大數(shù)據(jù)綜合展示就是數(shù)據(jù)的可視化技術(shù)，就是要能夠藝術(shù)性地將數(shù)據(jù)進行可視化分析，簡單明了而且能夠展現(xiàn)出數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。從內(nèi)容來說，大數(shù)據(jù)的分析分為技術(shù)和方法兩種類型；從技術(shù)上講，主要是分布式的數(shù)據(jù)分析和非結(jié)構(gòu)化數(shù)據(jù)處理等；從方法上講，主要是利用常用的數(shù)理統(tǒng)計方法來進行數(shù)據(jù)分析，例如使用可視化的數(shù)據(jù)分析工具。但兩者是一個有機的整體。大數(shù)據(jù)處理的最終目的是為了將數(shù)據(jù)之間的關(guān)系以可視化的方式呈現(xiàn)在用戶面前，包括了處理的全部過程和展現(xiàn)的過程。在數(shù)據(jù)分析過程中，不僅僅是需要計算機進行自動化的分析，更需要人工進行數(shù)據(jù)選擇和參數(shù)的設(shè)定，兩個是辯證的關(guān)系。

數(shù)據(jù)顯示是將數(shù)據(jù)經(jīng)過分析得到的結(jié)果以可見或可讀形式輸出，以方便用戶獲取相關(guān)信息。對于傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，可以采用數(shù)據(jù)值直接顯示、數(shù)據(jù)表顯示、各種統(tǒng)計圖形顯示等形式來表示數(shù)據(jù)，而大數(shù)據(jù)處理的非結(jié)構(gòu)化數(shù)據(jù)，種類繁多，關(guān)系復(fù)雜，傳統(tǒng)的顯示方法通常難以表現(xiàn)，大量的數(shù)據(jù)表、繁亂的關(guān)系圖可能使用戶感到迷茫，甚至可能誤導(dǎo)用戶。利用計算機圖形學(xué)和圖像處理的可視計算技術(shù)成為大數(shù)據(jù)顯示的重要手段之一，將數(shù)據(jù)轉(zhuǎn)換成圖形或圖像，更加直觀，方便用戶分析結(jié)果?？梢暬臎Q定性因素包括從數(shù)據(jù)中分析提煉的信息、信息所屬的數(shù)據(jù)關(guān)系種類、想通過圖表表達的觀點、想要強調(diào)的重點。如圖3所示，可以直觀地反映淘寶在全國范圍內(nèi)，某一時刻的下單情況。又比如大家熟知的支付寶十年賬單，都是非常好的數(shù)據(jù)可視化的典范。

?

3 大數(shù)據(jù)的應(yīng)用

目前，信息技術(shù)業(yè)、互聯(lián)網(wǎng)行業(yè)、商業(yè)、遙感探測已經(jīng)開始應(yīng)用大數(shù)據(jù)技術(shù)來進行研究和生產(chǎn)效益，大數(shù)據(jù)的浪潮很快就會覆蓋大部分的行業(yè)領(lǐng)域。百度、淘寶等公司作為信息技術(shù)、互聯(lián)網(wǎng)和商業(yè)領(lǐng)域的杰出代表，已經(jīng)對大數(shù)據(jù)開始了深度應(yīng)用，大數(shù)據(jù)的技術(shù)與應(yīng)用的前景不可估量。我們必須充分認識到大數(shù)據(jù)所能帶來的革命性改變，保持創(chuàng)新與進步，從而站在行業(yè)的最前沿。

以通信行業(yè)用戶精確營銷為例，傳統(tǒng)的實體渠道、封閉的電子渠道只重視對用戶的單點營銷，不重視對社交網(wǎng)絡(luò)傳播能力的利用，投入大、成本高，無法形成良好的傳播效果。而基于數(shù)據(jù)挖掘?qū)ι缃痪W(wǎng)絡(luò)信息進行分析、建立社交網(wǎng)絡(luò)分析模型和開展營銷研究，為企業(yè)開辟新營銷渠道、實施精準營銷、增強營銷效果打下良好基礎(chǔ)。

主體框架為：

首先是建立交往圈。將用戶作為網(wǎng)絡(luò)節(jié)點，通信交往關(guān)系做邊。保留高強度節(jié)點、去除低強度或無聯(lián)系節(jié)點，整理數(shù)據(jù)形成社交網(wǎng)絡(luò)。

第二是建立關(guān)鍵聯(lián)系人模型。根據(jù)用戶之間的聯(lián)系信息，建立模型，獲得用戶在社交網(wǎng)內(nèi)的影響力、影響范圍，結(jié)合三網(wǎng)屬性和消費行為等信息得到關(guān)鍵人或關(guān)鍵群。

第三是擴散強度評估。測算初始擴散點(業(yè)務(wù)訂購用戶)對社交網(wǎng)絡(luò)其他成員的影響力，是否達到預(yù)期效果，不斷改進算法，從而獲得交往圈內(nèi)用戶自傳播的預(yù)期效果。

2015年1月，中國移動通信集團江蘇有限公司某分公司利用社交網(wǎng)絡(luò)分析模型對“愛分享，搶流量”活動進行營銷，針對部分在網(wǎng)用戶通話交往情況進行數(shù)據(jù)分析得到4萬種子用戶，然后通過精確營銷對此4萬用戶進行活動宣傳。活動結(jié)束后，對活動整體情況進行了統(tǒng)計和對比，結(jié)果見表1。

整體來看，以社交網(wǎng)絡(luò)關(guān)鍵點模型營銷的用戶群，需直接營銷的用戶較少，僅4萬人，其社交網(wǎng)絡(luò)達到88萬人，社交圈內(nèi)的用戶成功參加率為12.5%，此結(jié)果與直接單點營銷的用戶群產(chǎn)的成功率12.9%，有微小差距；在社交圈中，部分用戶為非智能機用戶，導(dǎo)致其無法參加活動，若以智能機用戶來對比，社交網(wǎng)絡(luò)營銷的成功率為15.9%，單點營銷成功率為13.9%，明顯高于單點營銷的成功率；考慮已經(jīng)安裝掌廳的用戶的參與成功率，社交網(wǎng)絡(luò)營銷成功率50.7%，單點營銷成功率51.1%，社交網(wǎng)絡(luò)方式略低于單點營銷，但是依靠于用戶的自傳播效應(yīng)，影響的用戶量比較多?？傮w來講，社交網(wǎng)絡(luò)方式的營銷直接營銷用戶少，依靠于關(guān)鍵用戶自傳播后產(chǎn)生影響廣，且成功率較高，對提高用戶精確營銷率具有積極意義。

4 結(jié)束語

隨著大數(shù)據(jù)時代的到來，基于大數(shù)據(jù)的各種商業(yè)模式創(chuàng)新層出不窮，數(shù)據(jù)一直是通信行業(yè)的核心優(yōu)勢，在大數(shù)據(jù)日益深入的今天，更要充分利用優(yōu)勢資源，借鑒大數(shù)據(jù)的方法將能夠更好地解決通信行業(yè)所面臨的數(shù)據(jù)規(guī)模大、種類多、速度快、價值密度低等問題，利用新的技術(shù)手段對數(shù)據(jù)進行各種維度的挖掘和分析，從而促進通信行業(yè)又好又快發(fā)展。

[1] 維克托·邁爾-舍恩伯格. 大數(shù)據(jù)時代 [M]. 盛楊燕, 周濤, 譯. 杭州: 浙江人民出版社, 2012.

[2] WOO Benjamin. World wide big data technology and services 2012-2015 Forecast.2012.5[EB/OL]．[2015-04-21] http://ec.europa.eu/information_society/newsroom/cf/dae/document.cfm?doc_id=6242.

[3] 王意潔, 孫偉東, 周松, 等．云計算環(huán)境下的分布存儲關(guān)鍵技術(shù)[J]. 軟件學(xué)報, 2012,23(4): 962-986．

[4] 覃雄派, 王會舉, 杜小勇, 等．大數(shù)據(jù)分析-RDBMS與MapReduce的競爭與共生[J]. 軟件學(xué)報, 2012,23(1): 32-45．

[5] DEAN Jeffrey．Designs，lessons and advice from building large distributed system [EB/OL]． [2012-12-05]． http://www.cs.cornell.edu/projects/ladis2009 /talks /deankeynote-ladis2009. pdf．

[6] DEAN Jeffrey, GHEMAWAT Sanjay. Paper about mapreduce[EB/OL]. [2012-12-16]. http://labs.google.com/paper/mapreduce. html.

[7] BURROWS Mike.The chubby lock service for looselycoupled distributed systems[EB/OL]. [2012-11-23]. http://labs.google.com/paper /chubby. html．

[8] CHANGE Fay, DEAN Jeffrey, GHEMAWAT Sanjay, et al. Bigtable: a distribute storage system for structured data[EB/OL].[2012-12-21]. http: //labs.google.com/paper/bigtable.html． ◆