①数据采集->②数据归整->③数据存储->④数据处理->⑤数据呈现
二、大数据技术
（一）数据采集与预处理：联机分析处理（OLAP）与实时处理分析 （二）数据存储与管理：对结构、非结构、半结构等海量数据进行存储（关系数据库、非关系数据库、数据仓库、分布式文件系统） （三）数据处理与分析：利用 MapReduce 等结合着机器学习和数据挖掘算法实现数据分析和处理 （四）数据隐私和安全保护：构建出隐私数据保护体系和数据安全体系，保护个人隐私和数据安全。数据采集宇预处理数据采集和管理数据处理与分析数据安全与隐私保护
三、Hadoop技术——分布式系统基础架构 （1） Hadoop 是用于处理（运算分析）海量数据的技术平台，且是采用分布式集群的方式。 （ 2） 功能 ①、存储：提供海量数据的存储服务； ②、计算：提供分析海量数据的编程框架及运行平台； （ 3）三大核心组件： ①、 HDFS:hadoop 分布式文件系统海量数据的存储(集群服务) ②、 MapReduce :分布式运算框架（编程框架）（导 jar 包程序） ③、 Yarn :资源调度管理集群
四、MapReduce技术 （1）MapReduce 是 Hadoop 核心技术之一。 （ 2）MapReduce 框架的核心步骤主要分两部分：Map 和 Reduce。 （ 3）为分布式计算的程序设计提供了良好的编程接口，并且屏蔽了底层通信原理，使得程序员只需关心 业务逻辑本事，就可轻易的编写出基于集群的分布式并行程序。 （ 4）“Map”就是将一个任务分解成为多个子任务并行的执行； （ 5）“Reduce”就是将分解后多任务处理的结果汇总起来，得出最后的分析结果并输出。 （6）MapReduce 的功能： ①、 数据划分和计算任务调度 ：将 job 分成多个数据块来计算，并自动调度计算节点来处理这些数据块。 ②、 数据/代码互定位 ：减少数据通信，从数据所在的本地机架上寻找可用节点以减少通信延迟。 ③、 系统优化 ：为了减少数据通信开销，中间结果数据进入 Reduce 节点前会进行一定的合并处理 ④、 出错检测和恢复 ： MapReduce 需要能检测并隔离出错节点，并调度分配新的节点接管出错节点的计算任务，维护数据存储的可靠性。
五、NoSQL技术 （1）NoSQL 数据库是非关系型数据库，它主要是用来解决半结构化数据和非结构化数据的存储问题。 （mongoDB、redis、hbase 等） （ 2）NoSQL 是一种非关系型 DMS，不需要固定的架构，可以避免 joins 链接，并且易于扩展。 （ 3）NoSQL 技术功能： ①、数据管理：提供查询窗口和命令窗口功能。 ②、结构管理：提供库、文档和索引等对象管理功能。 ③、实时性能展示：提供核心性能指标的实时展示。
六、大数据计算模式
（一）批处理计算批处理计算流计算图计算查询分析计算
批处理计算主要解决针对大规模数据的批量处理，也是我们日常数据分析工作中常见的一类数据处理需求。
MapReduce Spark （二）流计算批处理计算主要解决针对大规模数据的批量处理，也是我们日常数据分析工作中常见的一类数据处理需求。
流数据 （三）图计算在大数据时代，许多大数据都是以大规模图或网络的形式呈现，如社交网络、传染病传播途径、交通事故对路网的影响等，此外，许多非图结构的大数据也常常会被转换为图模型后再进行处理分析。
（四）查询分析计算针对超大规模数据的存储管理和查询分析，需要提供实时或准实时的响应，才能很好地满足企业经营管理需求。
