文章插图
普通硬盘
1PB ， 需要大约2个机柜的存储设备 。容量大约是2亿张照片或2亿首MP3音乐 。如果一个人不停地听这些音乐 ， 可以听上千年 。。。
文章插图
2个机柜
1EB ， 需要大约2000个机柜的存储设备 。如果并排放这些机柜 ， 可以连绵1.2公里那么长 。如果摆放在机房里 ， 需要21个标准篮球场那么大的机房 ， 才能放得下 。
文章插图
21个篮球场
阿里、百度、腾讯这样的互联网巨头 ， 数据量据说已经接近EB级 。
文章插图
阿里数据中心内景
EB还不是最大的 。目前全人类的数据量 ， 是ZB级 。
1 ZB = 1024 EB (ZB – zettabyte)
2011年 ， 全球被创建和复制的数据总量是1.8ZB 。
而到2020年 ， 全球电子设备存储的数据 ， 将达到35ZB 。如果建一个机房来存储这些数据 ， 那么 ， 这个机房的面积将比42个鸟巢体育场还大 。
文章插图
数据量不仅大 ， 增长还很快——每年增长50% 。
目前的大数据应用 ， 还没有达到ZB级 ， 主要集中在PB/EB级别 。
大数据的级别定位
1 KB = 1024 B (KB – kilobyte)
1 MB = 1024 KB (MB – megabyte)
1 GB = 1024 MB (GB – gigabyte)
1 TB = 1024 GB (TB – terabyte)
1 ZB = 1024 EB (ZB – zettabyte)
数据的来源
数据的增长 ， 为什么会如此之快？
说到这里 ， 就要回顾一下人类社会数据产生的几个重要阶段 。
大致来说 ， 是三个重要的阶段 。
第一个阶段 ， 就是计算机被发明之后的阶段 。尤其是数据库被发明之后 ， 使得数据管理的复杂度大大降低 。各行各业开始产生了数据 ， 从而被记录在数据库中 。这时的数据 ， 以结构化数据为主（待会解释什么是“结构化数据”） 。数据的产生方式 ， 也是被动的 。
文章插图
世界上第一台通用计算机-ENIAC
第二个阶段 ， 是伴随着互联网2.0时代出现的 。互联网2.0的最重要标志 ， 就是用户原创内容 。随着互联网和移动通信设备的普及 ， 人们开始使用博客、facebook、youtube这样的社交网络 ， 从而主动产生了大量的数据 。
文章插图
第三个阶段 ， 是感知式系统阶段 。随着物联网的发展 ， 各种各样的感知层节点开始自动产生大量的数据 ， 例如遍布世界各个角落的传感器、摄像头 。
文章插图
经过了“被动-主动-自动”这三个阶段的发展 ， 最终导致了人类数据总量的极速膨胀 。
大数据的4Vs
行业里对大数据的特点 ， 概括为4个V 。前面所说的庞大数据体量 ， 就是Volume（海量化） 。除了Volume之外 ， 剩下三个 ， 分别是Variety、Velocity、Value 。
我们一个一个来介绍 。
