大数据是一个庞大的数据集，在一定的时间范围内，是常规软件工具无法捕捉、管理和处理的。它是一种巨大的、高增长率的、多样化的信息资产，需要一种新的处理模式来拥有更强的决策力、洞察和发现能力以及流程优化能力。
“大数据”研究机构Gartner给出了这样的定义。“大数据”是一种信息资产，需要新的处理模式，以具有更强的决策、洞察和流程优化能力，以适应海量、高增长率和多样化。
麦肯锡全球研究所给出的定义是:一个数据集合，其规模之大，在获取、存储、管理和分析等方面大大超过了传统数据库软件工具的能力。具有数据规模海量、数据流转迅速、数据类型多样、价值密度低四大特点。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些有意义的数据进行专业的处理。换句话说，如果把大数据比作一个行业，这个行业盈利的关键在于提高数据的“处理能力”，通过“处理”实现数据的“增值”。
从技术上讲，大数据和云计算的关系就像硬币的正反面一样密不可分。大数据不能用单台计算机处理，必须采用分布式架构。其特点在于海量数据的分布式数据挖掘。但它必须依赖云计算分布式处理、分布式数据库、云存储和虚拟化技术。
大数据学习一般都学什么大数据技术的学习内容有很多，包括:
基金会:Linux，Docker，KVM，MySQL基金会，Oracle基金会，MongoDB，redis。
Hadoop MapReduce HDFS YARN:Hadoop:Hadoop概念，版本，历史，HDFS工作原理，YARN和组件介绍。
大数据存储阶段:hbase，hive，sqoop。
大数据架构设计阶段:Flume distributed，Zookeeper，Kafka。
大数据实时计算阶段:Mahout、Spark、storm。
大数据采集阶段:Python，Scala。
大数据业务实战阶段:实践企业大数据处理业务场景，分析需求，实施解决方案，实战应用综合技术。
