《大数据分析原理与实践》一一1.2 哪里有大数据

本节书摘来自华章计算机《大数据分析原理与实践》一书中的第1章，第1.2节,作者：王宏志 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

大数据是无处不在的。

大数据包括那些数目极庞大的网络数据。有自媒体数据（比如社交网络），有日志数据（比如用户在搜索引擎上留下的大数据），还有流量最大的富媒体数据（比如视频、音频）等。例如，淘宝每天的数据量就超过50 tb；新浪微博晚高峰时每秒要接受100万次以上的请求；美国youtube网站一分钟有100小时的视频被上传。

大数据包括企事业单位数据和政府数据。一家医院一年能收集包括医疗影像、患者信息在内的500 tb数据，用于预测、预防、改善等；中国联通每秒记录用户上网条数近百万条，一个月大概是300 tb；国家电网信息中心目前累计收集了2 pb的数据。

大数据包括我们身边的一些公用设施所记录的数据。就监控而言，很多城市的交通摄像头多达几十万个，一个月的数据就达到数十pb，还有基本上所有的超市都覆盖着摄像头，这些都可以是大数据的基本来源并进行挖掘利用；在北京，每天用公交一卡通的乘客有4000万刷卡记录，而每天地铁刷卡的乘客也有1000万，这些数据可以用来改善北京的交通状况，优化交通路线。

大数据还包括国家大型公用设备和科研设备等产生的数据。例如，波音787每飞一个来回可产生tb级的数据，美国每个月收集360万次飞行记录；风力发电机装有测量风速、螺距、油温等多种传感器，每隔几毫秒就要测量一次，数据汇集用于检测叶片、变速箱、变频器等的磨损程度；一个具有风机的风场一年会产生2 pb的数据，这些数据用于预防维护，可使风机寿命延长3年，极大地降低了风机的成本。

工业领域也产生了大量的数据，ge能源监测和诊断（m&d）中心每天从客户处收集10千兆字节的数据；长虹集团有限公司等离子显示板制造中生产流程数据涉及75条组装线，279个主要生产设备，超过10 000个参数，每天3000万条记录，大约10 gb；杭州西奥电梯有限公司的数字化车间监控超过500个参数，每天产生约50万条记录；浙江雅莹服装有限公司数字化生产线由15个子系统组成，超过1000个参数，每天产生约80万条记录，约1 gb。

大数据甚至还包括一些地理位置、基因图谱、天体运动轨迹的数据。总之，任何可以利用数据分析来达到目的的地方就会有大数据的存在。