隨著大數(shù)據(jù)技術的不斷提高，大數(shù)據(jù)應用的不斷普及，大數(shù)據(jù)與各行各業(yè)的關系越來越緊密。大數(shù)據(jù)行業(yè)充斥著大量的專業(yè)詞匯，準確掌握和了解這些詞匯的含義，有助于更好的理解大數(shù)據(jù)，更好地利用大數(shù)據(jù)技術。本文整理了以數(shù)據(jù)處理為中心的14個大數(shù)據(jù)專業(yè)詞匯，一起來看看吧。

　　本地數(shù)據(jù)庫(LDB/Local Data Base)

　　本地數(shù)據(jù)庫是指駐留于運行客戶應用程序的機器的數(shù)據(jù)庫。本地數(shù)據(jù)庫位于本地磁盤或局域網(wǎng)。典型的本地數(shù)據(jù)庫有Paradox、dBASE、FoxPro和ACCCSS。

　　數(shù)據(jù)采集(Data Acquisition，DAQ)

　　數(shù)據(jù)采集又稱數(shù)據(jù)獲取，將被測試對象的各種參量通過各種傳感器做適當轉換后，再經(jīng)過信號調理、采樣、量化、編碼、傳輸?shù)炔襟E傳遞到控制器的過程。

　　數(shù)據(jù)采集的一般步驟：①用傳感器感受各種物理量，并把它們轉換成電信號;②通過A/D轉換，模擬量的數(shù)據(jù)轉變成數(shù)字量的數(shù)據(jù);③數(shù)據(jù)的記錄，打印輸出或存入磁盤文件。④生產廠商為該采集系統(tǒng)編制的專用程序，常用于大型專用系統(tǒng);⑤固化的采集程序，常用于小型專用系統(tǒng);⑥利用生產廠商提供的軟件工具，用戶自行編制的采集程序，主要用于組合式系統(tǒng)。

　　數(shù)據(jù)模型(Data model)

　　數(shù)據(jù)模型是現(xiàn)實世界數(shù)據(jù)特征的抽象，用于描述一組數(shù)據(jù)的概念和定義。數(shù)據(jù)模型是數(shù)據(jù)庫中數(shù)據(jù)的存儲方式，是數(shù)據(jù)庫系統(tǒng)的基礎。在數(shù)據(jù)庫中，數(shù)據(jù)的物理結構又稱數(shù)據(jù)的存儲結構，就是數(shù)據(jù)元素在計算機存儲器中的表示及其配置;數(shù)據(jù)的邏輯結構則是指數(shù)據(jù)元素之間的邏輯關系，它是數(shù)據(jù)在用戶或程序員面前的表現(xiàn)形式，數(shù)據(jù)的存儲結構不一定與邏輯結構一致。

　　數(shù)據(jù)整理(Data Cleansing)

　　數(shù)據(jù)整理是對調查、觀察、實驗等研究活動中所搜集到的資料進行檢驗、歸類編碼和數(shù)字編碼的過程，是數(shù)據(jù)統(tǒng)計分析的基礎。

　　數(shù)據(jù)處理(Data Handling)

　　數(shù)據(jù)處理是指對數(shù)據(jù)(包括數(shù)值的和非數(shù)值的)進行分析和加工的技術過程。也就是對數(shù)據(jù)的采集、存儲、檢索、加工、變換和傳輸，將數(shù)據(jù)轉換為信息的過程。

　　數(shù)據(jù)壓縮(Data Compression)

　　數(shù)據(jù)壓縮是指在不丟失有用信息的前提下，縮減數(shù)據(jù)量以減少數(shù)據(jù)的存儲空間，提高其傳輸、存儲和處理效率，或按照一定的算法對數(shù)據(jù)進行重新組織，減少數(shù)據(jù)的冗余和存儲的空間的一種技術方法。

　　數(shù)據(jù)恢復(Data Recovery)

　　數(shù)據(jù)恢復是指通過技術手段，將保存在臺式機硬盤、筆記本硬盤、服務器硬盤、移動硬盤、U盤等等設備上由于各種原因導致?lián)p傷或丟失的數(shù)據(jù)進行搶救和恢復的技術。

　　數(shù)據(jù)集成(Data Integration)

　　數(shù)據(jù)集成是把不同來源、格式、特點性質的數(shù)據(jù)在邏輯上或物理上有機地集中，從而為企業(yè)提供全面的數(shù)據(jù)共享。數(shù)據(jù)集成維護了數(shù)據(jù)源整體上的數(shù)據(jù)一致性、提高信息共享利用的效率。

　　數(shù)據(jù)遷移(Data Migration)

　　數(shù)據(jù)遷移又稱分級存儲管理，是一種將離線存儲與在線存儲融合的技術。將高速、高容量的非在線存儲設備作為磁盤設備的下一級設備，將磁盤中常用的數(shù)據(jù)按指定策略自動遷移到磁帶庫等二級容量存儲設備上。

　　當需要使用這些數(shù)據(jù)時，分級存儲系統(tǒng)會自動將這些數(shù)據(jù)從下一級存儲設備調回到上一級磁盤上。

　　數(shù)據(jù)冗余(Data Redundancy/Redundant Data)

　　數(shù)據(jù)冗余是指同一個數(shù)據(jù)在系統(tǒng)中多次重復出現(xiàn)。消除數(shù)據(jù)冗余的目的是為了避免更新時可能出現(xiàn)的問題，以便保持數(shù)據(jù)的一致性。

　　數(shù)據(jù)抽取(Data mining)

　　數(shù)據(jù)抽取是指從源數(shù)據(jù)源系統(tǒng)抽取目的數(shù)據(jù)源系統(tǒng)需要的數(shù)據(jù)的過程。

　　網(wǎng)絡數(shù)據(jù)抽取 (Web data mining)

　　網(wǎng)絡數(shù)據(jù)抽取(Web data mining)，是指從網(wǎng)絡中取得大量的又利用價值的數(shù)字化信息。主要包括結構化數(shù)據(jù)抽取(Structured Data Extraction)、信息集成(Information integreation)和觀點挖掘(Opinion mining)等。

　　結構化數(shù)據(jù)抽取的目標是從Web頁面中抽取結構化數(shù)據(jù)。這些結構化數(shù)據(jù)往往存儲在后臺數(shù)據(jù)庫中，由網(wǎng)頁按一定格式承載著展示給用戶。例如論壇列表頁面、Blog頁面、搜索引擎結果頁面等。信息集成是針對結構化數(shù)據(jù)而言，其目標是將從不同網(wǎng)站中抽取出的數(shù)據(jù)統(tǒng)一化后集成入庫。其關鍵問題是如何從不同網(wǎng)站的數(shù)據(jù)表中識別出意義相同的數(shù)據(jù)并統(tǒng)一存儲。

　　數(shù)據(jù)標準化(data standardization)

　　數(shù)據(jù)標準化是指研究、制定和推廣應用統(tǒng)一的數(shù)據(jù)分類分級、記錄格式及轉換、編碼等技術標準的過程。

　　數(shù)據(jù)備份(Data Backup)

　　數(shù)據(jù)備份是容災的基礎，為防著系統(tǒng)出現(xiàn)操作失誤或系統(tǒng)故障導致數(shù)據(jù)丟失，而將全部或部分數(shù)據(jù)集合從原來存儲的地方復制到其他地方的活動，將數(shù)據(jù)遭受破壞的程度減到最小。傳統(tǒng)的數(shù)據(jù)備份主要采用內置或外置的磁帶機進行冷備份。這種方式只能防止操作失誤等認為故障，其恢復時間也很長?，F(xiàn)代企業(yè)采用網(wǎng)絡備份，通過專業(yè)的數(shù)據(jù)存儲管理軟件結合相應硬件和存儲設備來實現(xiàn)備份。

　　1.完全備份(Full Backup)。優(yōu)點是當發(fā)生數(shù)據(jù)丟失的災難時，可以迅速恢復丟失的數(shù)據(jù)。不足之處是每天都對整個系統(tǒng)進行完全備份，造成備份的數(shù)據(jù)大量重復。

　　2.增量備份(Incremental Backup)。先實施一次完全備份，后續(xù)時間里只要對當天的或修改過的數(shù)據(jù)進行備份。優(yōu)點：節(jié)省了磁盤空間，縮短了備份時間;缺點是數(shù)據(jù)恢復比較麻煩，備份的可靠性很差。

　　3.差分備份(Differential Backup)。先實施一次完全備份，再將當天所有與備份不同的數(shù)據(jù)(新的或修改過的)備份到磁盤上。該策略避免了以上兩種策略缺陷的同時，具備其所有優(yōu)點。首先，它無須每天都對系統(tǒng)做完全備份，所需的備份時間短，節(jié)省磁盤空間。其次，數(shù)據(jù)恢復方便.一旦發(fā)生問題，用戶只需使用完全備份和發(fā)生問題前一天的備份就可以將系統(tǒng)恢復。