Tutorial de Big Data
Big Data, você nunca ouviu esse termo antes? Tenho certeza que sim. Nos últimos 4 a 5 anos, todo mundo está falando sobre Big Data. Mas você realmente sabe o que exatamente é esse Big Data, como ele está causando impacto em nossas vidas e por que as organizações estão procurando profissionais com ? Neste tutorial de Big Data, darei a você uma visão completa sobre o Big Data.
Abaixo estão os tópicos que irei cobrir neste Tutorial de Big Data:
- História do Big Data
- Fatores determinantes de big data
- O que é Big Data?
- Características de Big Data
- Tipos de Big Data
- Exemplos de Big Data
- Aplicações de Big Data
- Desafios com Big Data
Deixe-me começar este Tutorial de Big Data com uma pequena história.
História do Big Data
Antigamente, as pessoas costumavam viajar de uma aldeia para outra em uma carroça puxada por cavalos, mas com o passar do tempo, as aldeias se tornaram cidades e as pessoas se espalharam. A distância para viajar de uma cidade a outra também aumentou. Então, passou a ser um problema viajar entre as cidades, junto com a bagagem. Do nada, sugeriu um cara esperto, deveríamos preparar e alimentar mais um cavalo, para resolver esse problema. Quando vejo essa solução, não é tão ruim, mas você acha que um cavalo pode se tornar um elefante? Acho que não. Outro cara esperto disse, em vez de 1 cavalo puxando a carroça, vamos ter 4 cavalos para puxar a mesma carroça. O que vocês acham dessa solução? Acho que é uma solução fantástica. Agora, as pessoas podem viajar grandes distâncias em menos tempo e até carregar mais bagagem.
O mesmo conceito se aplica ao Big Data. Big Data diz que, até hoje, estávamos bem em armazenar os dados em nossos servidores porque o volume dos dados era bastante limitado e a quantidade de tempo para processar esses dados também estava ok. Mas agora, neste mundo tecnológico atual, os dados estão crescendo muito rápido e as pessoas confiam neles muitas vezes. Além da velocidade com que os dados estão crescendo, torna-se impossível armazenar os dados em qualquer servidor.
Através deste blog no Tutorial de Big Data, vamos explorar as fontes de Big Data, que os sistemas tradicionais estão falhando em armazenar e processar.
Fatores determinantes de Big Data
A quantidade de dados no planeta Terra está crescendo exponencialmente por muitos motivos. Várias fontes e nossas atividades do dia a dia geram muitos dados. Com a invenção da web, o mundo inteiro ficou online, cada coisa que fazemos deixa um rastro digital. Com os objetos inteligentes ficando online, a taxa de crescimento de dados aumentou rapidamente. As principais fontes de Big Data são sites de mídia social, redes de sensores, imagens / vídeos digitais, telefones celulares, registros de transações de compra, logs da web, registros médicos, arquivos, vigilância militar, comércio eletrônico, pesquisa científica complexa e assim por diante. Todas essas informações equivalem a cerca de Quintilhões de bytes de dados. Em 2020, os volumes de dados serão de cerca de 40 zetabytes, o que equivale a adicionar cada grão de areia do planeta multiplicado por setenta e cinco.
O que é Big Data?
Big Data é um termo usado para uma coleção de conjuntos de dados que são grandes e complexos, que são difíceis de armazenar e processar usando as ferramentas de gerenciamento de banco de dados disponíveis ou aplicativos tradicionais de processamento de dados. O desafio inclui capturar, curar, armazenar, pesquisar, compartilhar, transferir, analisar e visualizar esses dados.
Características de Big Data
As cinco características que definem Big Data são: Volume, Velocidade, Variedade, Veracidade e Valor.
VOLUME
O volume se refere à 'quantidade de dados', que cresce dia a dia em um ritmo muito rápido. O tamanho dos dados gerados por humanos, máquinas e suas interações nas próprias mídias sociais é enorme. Os pesquisadores previram que 40 Zettabytes (40.000 Exabytes) serão gerados até 2020, o que é um aumento de 300 vezes em relação a 2005.
VELOCIDADE
A velocidade é definida como o ritmo em que diferentes fontes geram os dados todos os dias. Esse fluxo de dados é massivo e contínuo. Há 1,03 bilhão de usuários ativos diários (DAU do Facebook) no celular a partir de agora, o que representa um aumento de 22% ano a ano. Isso mostra a rapidez com que o número de usuários está crescendo nas mídias sociais e a rapidez com que os dados são gerados diariamente. Se você for capaz de lidar com a velocidade, será capaz de gerar insights e tomar decisões com base em dados em tempo real.
VARIEDADE
Como existem muitas fontes que contribuem para o Big Data, o tipo de dados que geram é diferente. Pode ser estruturado, semiestruturado ou não estruturado. Portanto, há uma variedade de dados gerados todos os dias. Anteriormente, costumávamos obter os dados do Excel e de bancos de dados, agora os dados estão vindo na forma de imagens, áudios, vídeos, dados de sensores etc. conforme mostrado na imagem abaixo. Portanto, essa variedade de dados não estruturados cria problemas na captura, armazenamento, mineração e análise de dados.
VERACIDADE
Veracidade refere-se aos dados em dúvida ou incerteza dos dados disponíveis devido à inconsistência e incompletude dos dados. Na imagem abaixo, você pode ver que faltam alguns valores na tabela. Além disso, alguns valores são difíceis de aceitar, por exemplo - 15000 valor mínimo na 3ª linha, não é possível. Essa inconsistência e incompletude é a Veracidade.
Os dados disponíveis às vezes podem ser confusos e talvez difíceis de confiar. Com muitas formas de big data, a qualidade e a precisão são difíceis de controlar, como as postagens no Twitter com hashtags, abreviações, erros de digitação e discurso coloquial. O volume costuma ser o motivo da falta de qualidade e precisão dos dados.- Devido à incerteza dos dados, 1 em cada 3 líderes de negócios não confia nas informações que usam para tomar decisões.
- Foi descoberto em uma pesquisa que 27% dos entrevistados não tinham certeza de quanto de seus dados eram imprecisos.
- A má qualidade dos dados custa à economia dos EUA cerca de US $ 3,1 trilhões por ano.
VALOR
Depois de discutir Volume, Velocidade, Variedade e Veracidade, há outro V que deve ser levado em consideração ao analisar Big Data, ou seja, Valor. É muito bom ter acesso a grandesdadosmasa menos que possamos transformá-lo em valor, ele é inútil. Ao transformá-lo em valor, quero dizer: está agregando benefícios às organizações que estão analisando big data? A organização que trabalha com Big Data está obtendo alto ROI (Return On Investment)? A menos que acrescente aos lucros trabalhando em Big Data, é inútil.
Veja nosso vídeo de Big Data abaixo para saber mais sobre Big Data:
Tutorial de Big Data para iniciantes | O que é Big Data | Edureka
Conforme discutido em Variety, existem diferentes tipos de dados que são gerados todos os dias. Então, vamos agora entender os tipos de dados:
Tipos de Big Data
Big Data pode ser de três tipos:
- Estruturada
- Semi-estruturado
- Não estruturado
Estruturada
Os dados que podem ser armazenados e processados em um formato fixo são chamados de Dados Estruturados. Os dados armazenados em um sistema de gerenciamento de banco de dados relacional (RDBMS) são um exemplo de dados 'estruturados'. É fácil processar dados estruturados, pois tem um esquema fixo. A Structured Query Language (SQL) é frequentemente usada para gerenciar esse tipo de dados.
Semi-estruturado
Dados semiestruturados são um tipo de dado que não possui uma estrutura formal de modelo de dados, ou seja, uma definição de tabela em um SGBD relacional, mas, no entanto, possui algumas propriedades organizacionais como tags e outros marcadores para separar elementos semânticos que o torna mais fácil analisar. Arquivos XML ou documentos JSON são exemplos de dados semiestruturados.
o que é hibernar em java
Não estruturado
Os dados que têm forma desconhecida e não podem ser armazenados em RDBMS e não podem ser analisados a menos que sejam transformados em um formato estruturado são chamados de dados não estruturados. Arquivos de texto e conteúdos multimídia como imagens, áudios, vídeos são exemplos de dados não estruturados. Os dados não estruturados estão crescendo mais rápido do que outros. Os especialistas dizem que 80% dos dados em uma organização não são estruturados.
Até agora, acabei de abordar a introdução do Big Data. Além disso, este tutorial de Big Data fala sobre exemplos, aplicativos e desafios em Big Data.
Exemplos de Big Data
Diariamente, carregamos milhões de bytes de dados. 90% dos dados mundiais foram criados nos últimos dois anos.
- Walmart lida com mais de 1 milhão transações do cliente a cada hora.
- Armazena, acessa e analisa o Facebook 30+ Petabytes de dados gerados pelo usuário.
- Mais de 230 milhões de tweets são criados todos os dias.
- Mais do que 5 bilhões as pessoas estão ligando, enviando mensagens de texto, tweetando e navegando em telefones celulares em todo o mundo.
- Upload de usuários do YouTube 48 horas de novo vídeo a cada minuto do dia.
- Manivelas amazonas 15 milhões dados do usuário de fluxo de cliques do cliente por dia para recomendar produtos.
- 294 bilhões e-mails são enviados todos os dias. Os serviços analisam esses dados para encontrar os spams.
- Carros modernos têm perto de 100 sensores que monitora o nível de combustível, pressão dos pneus etc., cada veículo gera muitos dados de sensor.
Aplicações de Big Data
Não podemos falar sobre dados sem falar sobre as pessoas, pessoas que estão sendo beneficiadas pelos aplicativos de Big Data. Quase todas as indústrias hoje estão aproveitando os aplicativos de Big Data de uma ou outra maneira.
- Smarter Healthcare : Fazendo uso dos petabytes de dados do paciente, a instituição pode extrair informações significativas e, em seguida, construir aplicativos que podem prever a condição de deterioração do paciente com antecedência.
- Telecom : O setor de telecomunicações coleta informações, analisa e fornece soluções para diversos problemas. Com o uso de aplicativos de Big Data, as empresas de telecomunicações têm conseguido reduzir significativamente a perda de pacotes de dados, que ocorre quando as redes estão sobrecarregadas, proporcionando uma conexão contínua com seus clientes.
- Varejo : O varejo tem algumas das margens mais estreitas e é um dos maiores beneficiários do big data. A beleza de usar big data no varejo é entender o comportamento do consumidor. O mecanismo de recomendação da Amazon fornece sugestões com base no histórico de navegação do consumidor.
- Controle de tráfego : O congestionamento do tráfego é um grande desafio para muitas cidades em todo o mundo. O uso eficaz de dados e sensores será fundamental para gerenciar melhor o tráfego à medida que as cidades se tornam cada vez mais densamente povoadas.
- Manufatura : A análise de big data na indústria de manufatura pode reduzir defeitos de componentes, melhorar a qualidade do produto, aumentar a eficiência e economizar tempo e dinheiro.
- Qualidade de pesquisa : Cada vez que extraímos informações do google, estamos simultaneamente gerando dados para elas. O Google armazena esses dados e os usa para melhorar a qualidade da pesquisa.
Alguém disse com razão: “Nem tudo no jardim é rosado!” . Até agora, neste tutorial de Big Data, acabei de mostrar a vocês a imagem otimista do Big Data. Mas se fosse tão fácil aproveitar o Big Data, você não acha que todas as organizações investiriam nisso? Deixe-me dizer logo, não é esse o caso. Existem vários desafios que surgem quando você trabalha com Big Data.
Agora que você está familiarizado com Big Data e seus vários recursos, a próxima seção deste blog no Tutorial de Big Data lançará alguma luz sobre alguns dos principais desafios enfrentados pelo Big Data.
Desafios com Big Data
Deixe-me contar alguns desafios que vêm junto com Big Data:
- Qualidade de Dados - O problema aqui é o 4ºV, ou seja, Veracidade. Os dados aqui são muito confusos, inconsistentes e incompletos. Dados sujos custam US $ 600 bilhões para as empresas todos os anos nos Estados Unidos.
- Descoberta - Encontrar insights sobre Big Data é como encontrar uma agulha em um palheiro. Analisar petabytes de dados usando algoritmos extremamente poderosos para encontrar padrões e percepções é muito difícil.
- Armazenamento - Quanto mais dados uma organização possui, mais complexos podem se tornar os problemas de gerenciamento. A questão que se coloca aqui é “Onde armazená-lo?”. Precisamos de um sistema de armazenamento que possa facilmente aumentar ou diminuir sob demanda.
- Analytics - No caso do Big Data, na maioria das vezes não temos conhecimento do tipo de dados com que estamos lidando, então analisá-los é ainda mais difícil.
- Segurança - Como os dados são enormes, mantê-los seguros é outro desafio. Inclui autenticação de usuário, restrição de acesso com base em um usuário, registro de históricos de acesso a dados, uso adequado de criptografia de dados etc.
- Falta de Talento - Existem muitos projetos de Big Data nas principais organizações, mas uma equipe sofisticada de desenvolvedores, cientistas de dados e analistas que também tenham uma quantidade suficiente de conhecimento de domínio ainda é um desafio.
Hadoop para o resgate
Temos um salvador para lidar com os desafios de Big Data - é Hadoop . Hadoop é uma estrutura de programação baseada em Java de código aberto que oferece suporte ao armazenamento e processamento de conjuntos de dados extremamente grandes em um ambiente de computação distribuído. É parte do projeto Apache patrocinado pela Apache Software Foundation.
converter decimal em binário python
O Hadoop, com seu processamento distribuído, lida com grandes volumes de dados estruturados e não estruturados com mais eficiência do que o data warehouse empresarial tradicional. O Hadoop possibilita a execução de aplicativos em sistemas com milhares de nós de hardware de commodities e a manipulação de milhares de terabytes de dados. As organizações estão adotando o Hadoop porque ele é um software de código aberto e pode ser executado em hardware comum (seu computador pessoal).As economias de custo iniciais são dramáticas, pois o hardware comum é muito barato. À medida que os dados organizacionais aumentam, você precisa adicionar mais e mais hardware de commodity em tempo real para armazená-lo e, portanto, o Hadoop prova ser econômico.Além disso, o Hadoop tem uma comunidade Apache robusta por trás dele que continua a contribuir para seu avanço.
Conforme prometido anteriormente, por meio deste blog no Tutorial de Big Data, forneci a você o máximo de insights sobre Big Data. Este é o fim do Tutorial de Big Data. Agora, o próximo passo é conhecer e aprender Hadoop. Nós temos uma série de tutorial do Hadoop blogs que darão conhecimento detalhado de todo o ecossistema Hadoop.
Atenciosamente, Feliz Hadooping!
Agora que você entendeu o que é Big Data, confira o pela Edureka, uma empresa de aprendizagem online confiável com uma rede de mais de 250.000 alunos satisfeitos espalhados por todo o mundo. O curso Edureka Big Data Hadoop Certification Training ajuda os alunos a se tornarem especialistas em HDFS, Yarn, MapReduce, Pig, Hive, HBase, Oozie, Flume e Sqoop usando casos de uso em tempo real no varejo, mídia social, aviação, turismo, domínio financeiro.
Tem alguma questão para nós? Mencione isso na seção de comentários e entraremos em contato com você.
Postagens relacionadas: