㈠ 如何對大數據量的數據實時抓取
在企業級大數據平台的建設中，從傳統關系型資料庫（如Oracle）向Hadoop平台匯聚數據是一個重要的課題。目前主流的工具有Sqoop、DataX、Oracle GoldenGate for Big Data等幾種。Sqoop使用sql語句獲取關系型資料庫中的數據後，通過hadoop的MapRece把數據從關系型資料庫中導入數據到HDFS，其通過指定遞增列或者根據時間戳達到增量導入的目的，從原理上來說是一種離線批量導入技術；DataX 直接在運行DataX的機器上進行數據的抽取及載入，其主要原理為：通過Reader插件讀取源數據，Writer插件寫入數據到目標 ，使用Job來控制同步作業，也是一種離線批量導入技術；Oracle Goldengate for Big Data抽取在線日誌中的數據變化，轉換為GGS自定義的數據格式存放在本地隊列或遠端隊列中，並利用TCP/IP傳輸數據變化，集成數據壓縮，提供理論可達到9：1壓縮比的數據壓縮特性，它簡化了向常用大數據解決方案的實時數據交付，可以在不影響源系統性能的情況下將交易數據實時傳入大數據系統。對比以上工具及方法，結合數據處理的准確性及實時性要求，我們評估Oracle Goldengate for Big Data基本可以滿足當前大數據平台數據抽取的需求。
㈡ 大數據怎麼採集數據
數據採集是所有數據系統必不可少的，隨著大數據越來越被重視，數據採集的挑戰也變的尤為突出。我們今天就來看看大數據技術在數據採集方面採用了哪些方法：
1、離線採集：工具：ETL；在數據倉庫的語境下，ETL基本上就是數據採集的代表，包括數據的提取（Extract)、轉換(Transform)和載入(Load)。在轉換的過程中，需要針對具體的業務場景對數據進行治理，例如進行非法數據監測與過濾、格式轉換與數據規范化、數據替換、保證數據完整性等。
2、實時採集：工具：Flume/Kafka；實時採集主要用在考慮流處理的業務場景，比如，用於記錄數據源的執行的各種操作活動，比如網路監控的流量管理、金融應用的股票記賬和 web 伺服器記錄的用戶訪問行為。在流處理場景，數據採集會成為Kafka的消費者，就像一個水壩一般將上游源源不斷的數據攔截住，然後根據業務場景做對應的處理（例如去重、去噪、中間計算等），之後再寫入到對應的數據存儲中。這個過程類似傳統的ETL，但它是流式的處理方式，而非定時的批處理Job，些工具均採用分布式架構，能滿足每秒數百MB的日誌數據採集和傳輸需求。
3、互聯網採集：工具：Crawler, DPI等；Scribe是Facebook開發的數據(日誌)收集系統。又被稱為網頁蜘蛛，網路機器人，是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本，它支持圖片、音頻、視頻等文件或附件的採集。爬蟲除了網路中包含的內容之外，對於網路流量的採集可以使用DPI或DFI等帶寬管理技術進行處理。
4、其他數據採集方法對於企業生產經營數據上的客戶數據，財務數據等保密性要求較高的數據，可以通過與數據技術服務商合作，使用特定系統介面等相關方式採集數據。比如八度雲計算的數企BDSaaS，無論是數據採集技術、BI數據分析，還是數據的安全性和保密性，都做得很好。數據的採集是挖掘數據價值的第一步，當數據量越來越大時，可提取出來的有用數據必然也就更多。只要善用數據化處理平台，便能夠保證數據分析結果的有效性，助力企業實現數據驅動。
㈢ 如何獲取大數據
問題一：怎樣獲得大數據？ 很多數據都是屬於企業的商業秘密來的，你要做大數據的一些分析，需要獲得海量的數據源，再此基礎上進行挖掘，互聯網有很多公開途徑可以獲得你想要的數據，通過工具可以快速獲得，比如說象八爪魚採集器這樣的大數據工具，都可以幫你提高工作效率並獲得海量的數據採集啊
問題二：怎麼獲取大數據 大數據從哪裡來？自然是需要平時對旅遊客群的數據資料累計最終才有的。
如果你們平時沒有收集這些數據 那自然是沒有的
問題三：怎麼利用大數據，獲取意向客戶線索 大數據時代下大量的、持續的、動態的碎片信息是非常復雜的，已經無法單純地通過人腦來快速地選取、分析、處理，並形成有效的客戶線索。必須依託雲計算的技術才能實現，因此，這樣大量又精密的工作，眾多企業紛紛藉助CRM這款客戶關系管理軟體來實現。
CRM幫助企業獲取客戶線索的方法：
使用CRM可以按照統一的格式來管理從各種推廣渠道獲取的潛在客戶信息，匯總後由專人進行篩選、分析、跟蹤，並找出潛在客戶的真正需求，以提供滿足其需求的產品或服務，從而使潛在客戶轉變為真正為企業帶來利潤的成交客戶，增加企業的收入。使用CRM可以和網站、電子郵件、簡訊等多種營銷方式相結合，能夠實現線上客戶自動抓取，迅速擴大客戶線索數量。
問題四：如何進行大數據分析及處理？ 大數據的分析從所周知，大數據已經不簡簡單單是數據大的事實了，而最重要的現實是對大數據進行分析，只有通過分析才能獲取很多智能的，深入的，有價值的信息。那麼越來越多的應用涉及到大數據，而這些大數據的屬性，包括數量，速度，多樣性等等都是呈現了大數據不斷增長的復雜性，所以大數據的分析方法在大數據領域就顯得尤為重要，可以說是決定最終信息是否有價值的決定性因素。基於如此的認識，大數據分析普遍存在的方法理論有哪些呢？1. 可視化分析。大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。2. 數據挖掘演算法。大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。3. 預測性分析。大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。4. 語義引擎。非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。5.數據質量和數據管理。大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。大數據的技術數據採集：ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。數據存取：關系資料庫、NOSQL、SQL等。基礎架構：雲存儲、分布式文件存儲等。數據處理：自然語言處理(NLP，Natural Language Processing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機」理解」自然語言，所以自然語言處理又叫做自然語言理解(NLU，Natural Language Understanding)，也稱為計算語言學(putational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。數據挖掘：分類（Classification）、估計（Estimation）、預測（Predic膽ion）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化......>>
問題五：網路股票大數據怎麼獲取？ 用「網路股市通」軟體。
其最大特色是主打大數據信息服務，讓原本屬於大戶的「大數據炒股」變成普通網民的隨身APP。
問題六：通過什麼渠道可以獲取大數據 看你是想要哪方面的，現在除了互聯網的大數據之外，其他的都必須要日積月累的
問題七：通過什麼渠道可以獲取大數據 有個同學說得挺對，問題傾向於要的是數據，而不是大數據。
大數據講究是全面性（而非精準性、數據量大），全面是需要通過連接來達成的。如果通過某個app獲得使用該app的用戶的終端信息，如使用安卓的佔比80%，使用iPhone的佔比為20%, 如果該app是生活訂餐的應用，你還可以拿到使用安卓的這80%的用戶平時網上訂餐傾向於的價位、地段、口味等等，當然你還會獲取這些設備都是在什麼地方上網，設備的具體機型你也知道。但是這些數據不斷多麼多，都不夠全面。如果將這部分用戶的手機號或設備號與電子商務類網站數據進行連接，你會獲取他們在電商網站上的消費數據，傾向於購買的品牌、價位、類目等等。每個系統可能都只存儲了一部分信息，但是通過一個連接標示，就會慢慢勾勒出一個或一群某種特徵的用戶的較全面的畫像。
問題八：如何從大數據中獲取有價值的信息 同時，大數據對公共部門效益的提升也具有巨大的潛能。如果美國醫療機構能夠有效地利用大數據驅動醫療效率和質量的提高，它們每年將能夠創造超過3萬億美元的價值。其中三分之二是醫療支出的減少，占支出總額超過8%的份額。在歐洲發達國家， *** 管理部門利用大數據改進效率，能夠節約超過14900億美元，這還不包括利用大數據來減少欺詐，增加稅收收入等方面的收益。
那麼，CIO應該採取什麼步驟、轉變IT基礎設施來充分利用大數據並最大化獲得大數據的價值呢?我相信用管理創新的方式來處理大數據是一個很好的方法。創新管道(Innovation pipelines)為了最終財務價值的實現從概念到執行自始至終進行全方位思考。對待大數據也可以從相似的角度來考慮：將數據看做是一個信息管道(information pipeline)，從數據採集、數據訪問、數據可用性到數據分析(4A模型)。CIO需要在這四個層面上更改他們的信息基礎設施，並運用生命周期的方式將大數據和智能計算技術結合起來。
大數據4A模型
4A模型中的4A具體如下：
數據訪問(Access)：涵蓋了實時地及通過各種資料庫管理系統來安全地訪問數據，包括結構化數據和非結構化數據。就數據訪問來說，在你實施越來越多的大數據項目之前，優化你的存儲策略是非常重要的。通過評估你當前的數據存儲技術並改進、加強你的數據存儲能力，你可以最大限度地利用現有的存儲投資。EMC曾指出，當前每兩年數據量會增長一倍以上。數據管理成本是一個需要著重考慮的問題。
數據可用性(Availability)：涵蓋了基於雲或者傳統機制的數據存儲、歸檔、備份、災難恢復等。
數據分析(Analysis)：涵蓋了通過智能計算、IT裝置以及模式識別、事件關聯分析、實時及預測分析等分析技術進行數據分析。CIO可以從他們IT部門自身以及在更廣泛的范圍內尋求大數據的價值。
用信息管道(information pipeline)的方式來思考企業的數據，從原始數據中產出高價值回報，CIO可以使企業獲得競爭優勢、財務回報。通過對數據的完整生命周期進行策略性思考並對4A模型中的每一層面都做出詳細的部署計劃，企業必定會從大數據中獲得巨大收益。 望採納
問題九：如何獲取互聯網網大數據 一般用網路蜘蛛抓取。這個需要掌握一門網路編程語言，例如python
問題十：如何從網路中獲取大量數據 可以使用網路抓包，抓取網路中的信息，推薦工具fiddler