آموزش شبکه
داده های بزرگ یا big data در شبکه
روزانه
ما در جهان به اندازه 2.5 کوانتیلیون بایت داده تولید می کنیم و بیش از 90
درصد داده های امروزه در جهان در دو سال اخیر ایجاد شده اند. برخی نمونه
های داده های ایجاد شده در صنایع مختلف در آموزش شبکه به شرح زیر می باشند:
-داده های مربوط به سنسورهای آب و هوا
-پست های وب سایت های شبکه های اجتماعی
-تصاویر و ویدئوهای دیجیتال
-رکوردهای خرید مشتریان
-سیگنالهای GPS
شرکت های بزرگ مثل گوگل، یاهو، آمازون، فیس بوک و توییتر از عوامل اصلی ایجاد و شکل گیری هیجان های اولیه درباره big data بودند. جریان های داده ناشی از کلیک (Clikstream)
که کاربران برای این شرکت ها ایجاد می کردند، منجر به تولید انبوهی از
داده ها شد؛ داده هایی که فقط هنگامی که یک جا جمع و پردازش شوند، ارزش
واقعی پیدا می کنند. در این روند به تدریج، حجم و جریان اطلاعات آنقدر زیاد
شد که دیگر با روش های تحلیل وب سنتی نمی شد آنها را سازماندهی کرد.
داده های بزرگ یا عظیم داده ترجمه اصطلاح Big Data
می باشد که معمولاً به مجموعه ای از داده ها اطلاق می شود که اندازه آنها
فراتر از حدی است که با نرم افزارهای معمول بتوان آنها را در یک زمان معقول
اخذ، دقیق سازی، مدیریت و پردازش کرد. مفهوم " اندازه " در داده های بزرگ
بطور مستمر در حال تغییر است و به مرور بزرگتر می شود. از این رو با رشد
روز افزون داده ها و نیاز به بهره برداری و تحلیل این داده ها، به کارگیری
زیر ساخت های Big Data
از اهمیت ویژه ای برخوردار شده است. از سال 2012 به بعد در هر روز بیش از
هزار پتا بایت معادل 1.000.000.000.000.000 بایت داده تولید می شود که به
دنبال خود مستلزم ذخیره سازی، تحلیل، جستجوها ، تمیزکاری داده ها، اشتراک
ها و ... در داده هاست که باید درحوزه مختلف انجام شود.
این
موضوع باعث شده است که پژوهشگران ودانشمندان به دنبال ایجاد ساختارها،
متدلوژی ها، روش ها و رویکردهای جدیدی برای مدیریت، کنترل و پردازش این حجم
از داده ها باشند که این تلاش ها درذیل سایه "داده های بزرگ" مطرح شده
است. مفهوم " اندازه " در داده های بزرگ بطور مستمر در حال تغییر است و به
مرور بزرگتر می شود.
آموزش شبکه big data
در سال 2001 موسسه گارتنر سه بعد از چالش ها و فرصت های پیش رو در حوزه رشد داده ها را در آموزش شبکه مطرح کرد که عبارت بودند از:
1/ افزایش حجم ( Volume ): افزایش در میزان داده
2/ سرعت و شتاب ( Velocity ): افزایش سرعت تولید داده های ورودی و خروجی
3/ تنوع ( Variety ): افزایش محدوده تنوع و منابع داده ها
که این ویژگی ها به عنوان ویژگی های اصلی و معرف داده های بزرگ در دوره شبکه مطرح شدند. در سال 2012 موسسه گارتنر تعریف جدیدی را ارایه کرد:
داده
های بزرگ، حجم بالا، سرعت و شتاب بالا و تنوع بالایی از دارایی های
اطلاعاتی هستند که نیازمند شکل جدیدی از پردازش هستند تا بتوانند تصمیم
گیری را غنی تر سازند، بینش جدیدی را کشف کنند و نیز فرآیند ها را بهینه
نمایند.
علاوه بر این مفهوم جدیدی به نام صحت (Veracity) نیز به ویژگی های داده های بزرگ در آموزش شبکه افزوده شد، بین داده های بزرگ و هوش تجاری (Business Intelligence)
نیز تفاوت هایی وجود دارد. هوش تجاری از آمار توصیفی داده های با چگالی
بالا برای اندازه گیری و نیز تشخیص روند های موجود استفاده می کند . داده
های بزرگ از آمار استقرایی و مفهومی برای ارایه قوانین (رگرسیون ، روابط
غیر خطی و .....) در مجموعه بزرگی از داده ها که چگالی اطلاعاتی کمتری
دارند، استفاده می کند تا روابط، وابستگی ها و پیش بینی هایی را از رفتارها
و خروجی ها ارایه نماید. با این توضیحات ویژگی ها و مشخصات ارایه شده برای
داده های بزرگ را می توان در آموزش شبکه به شرح ذیل برشمرد:
الف/
حجم: مقدار و میزان داده تولید شده در حوزه داده های بزرگ بسیار مهم است.
در واقع حجم داده تعیین می کند که آیا میزان خاصی از داده ها در چهارچوب
داده های بزرگ قرار می گیرد یا نه چرا که نام "داده های بزرگ" خود مفهوم
بزرگی را به دنبال دارد.
حجم داده ها به صورت نمایی رشد می کند:
افزایش 44 برابر از سال 2009 تا سال 2020 از 0.8 زتابایت به 35 زتابایت
ب/
تنوع: تنوع داده ها برای کسانی که با تحلیل داده ها برای کسانی که با
تحلیل داده ها سر و کار دارند بسیار مهم است، چراکه به آنها کمک می کند
تابه طورموثرتری بتوانند داده ها را درجهت منافع خود به کار بگیرند.
داده رابطه ای (جداول ، معامله ، میراث داده ها)
داده متنی (وب)
داده نیمه ساخت یافته (XML)
داده گرافی
شبکه اجتماعی، وب معنایی (RDF)
ج/
سرعت و شتاب: شتاب و سرعت در حوزه داده های کلان به سرعت تولید داده ها و
نیز به چگونگی سرعت تولید و پردازش داده ها برای اهداف پیش روی توسعه و رشد
اشاره دارد.
هیچ نظری موجود نیست:
ارسال یک نظر