大数据处理的一些总结和应用（有关舆情监控）

说到大数据处理可能大家都不会陌生，这是近年来非常火热的话题，各行各业都想借助大数据为自己助力，有了这个工具，就好像在飞机上看农田一般清晰，一目了然，也也就是业内人士常说的大数据提供了一个------上帝视角

大数据的概念：

1、指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理的时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的咨询。

2、维克托·迈尔-舍恩伯格以及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。

3、海量异构的数据（包括文本、图像、声音等）。

大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）

大数据处理的应用场景有很多：

1.阿里巴巴平台----淘宝双十一

2.证券交易系统

3.智慧城市

4.情报分析，舆情监控



大数据处理的的发展历史和架构演进，可以看成：

是从传统手工作坊（分布式批处理）到流水线工厂（hadoop）再到没有中间商 的O2O平台（spark）

开源工具简介---批处理

Hadoop Common：Hadoop体系最底层的一个模块，为Hadoop各子项目提供各种工具，如：配置文件和日志操作等。

HDFS：是Hadoop的分布式存储系统，同Google的GFS性质是一样的。

MapReduce：是一种编程模型，用于大规模数据集的并行运算。

Hive是基于Hadoop的一个数据仓库工具，提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行，十分适合数据仓库的统计分析。

Pig：Pig最大的作用就是对MapReduce算法(框架)实现了一套shell脚本 ，类似我们通常熟悉的SQL语句，在Pig中称之为Pig Latin。

Hbase：一个分布式、可扩展的大数据存储。它提供了大数据集上随机和实时的读/写访问，并针对了商用服务器集群上的大型表格做出优化——上百亿行，上千万列。它是Google bigtable的一个开源的实现。

Zookeeper:它是一个针对大型分布式系统的可靠协调系统，功能包括：配置维护、名字服务、 分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。它是 Google的Chubby一个开源的实现。



舆情监控系统的系统流程：



最近去一个文科院校讲了一节课：基于大数据处理的舆情监控系统及其应用简介，ppt分享出来希望大家批评指正：

http://download.csdn.net/detail/wangyaninglm/9504994