收到大數(shù)據(jù)信息如何處理？1.物聯(lián)網(wǎng)之一：采集工業(yè)互聯(lián)網(wǎng)的采集是指利用多個數(shù)據(jù)庫來接收發(fā)自微博（Web、公眾號或者電機形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進行簡單的查詢和處理工作。比如，電商會使

收到大數(shù)據(jù)信息如何處理？

1.物聯(lián)網(wǎng)之一：采集

工業(yè)互聯(lián)網(wǎng)的采集是指利用多個數(shù)據(jù)庫來接收發(fā)自微博（Web、公眾號或者電機形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進行簡單的查詢和處理工作。比如，電商會使用傳統(tǒng)的開源數(shù)據(jù)庫exif和sql等來存儲每一筆事務(wù)數(shù)據(jù)，除此之外，oracle和MongoDB這樣的NoSQL數(shù)據(jù)庫也常用于數(shù)據(jù)的采集。

在的采集過程中，其主要特點和挑戰(zhàn)是并發(fā)數(shù)高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網(wǎng)站和亞馬遜，它們并發(fā)的訪問量在峰值時達到上百萬，所以需要在采集端部署大量數(shù)據(jù)庫才能支撐。并且如何在這些數(shù)據(jù)庫之間進行負載均衡和分片的確是需要深入的思考和設(shè)計。

2.圖像識別之二：導(dǎo)入/預(yù)處理

雖然采集端本身會有很多數(shù)據(jù)庫，但是如果要對這些海量數(shù)據(jù)進行有效的分析，還是應(yīng)該將這

些來自java的數(shù)據(jù)導(dǎo)入到一個集中的大型分布式記賬，或者分布式計算集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作。也有一些用戶會在導(dǎo)入時使用用來自instagram的hbase來對數(shù)據(jù)進行流式計算，來滿足部分業(yè)務(wù)的流計算需求。

導(dǎo)入與預(yù)處理過程的特點和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大，每秒鐘的導(dǎo)入量經(jīng)常會達到百兆，甚至千兆級別。

3.語音識別之三：統(tǒng)計/分析

統(tǒng)計與分析主要利用分布式存儲，或者分布式存儲集群來對存儲于其內(nèi)的海量數(shù)據(jù)進行普通

的分析和分類匯總等，以滿足大多數(shù)常見的分析需求，在這方面，一些實時性需求會用到EMC的oracle、javascript的Exadata，以及基于gd2的列式存儲Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用數(shù)據(jù)庫。

統(tǒng)計與分析這部分的主要特點和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對系統(tǒng)資源，特別是I/O會有極大的長時間占用。

4.語音識別之四：挖掘

與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù)據(jù)上面進行基于各種算法的計算，從而起到預(yù)測（Predict）的效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。比較典型算法有用于支持向量機的Kmeans、用于統(tǒng)計學(xué)習(xí)的邏輯回歸和用于分類的NaiveBayes，主要使用的工具有redis的Mahout等。該過程的特點和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并且計算涉及的數(shù)據(jù)量和計算量都很大，常用云計算算法都以單線程為主。

用mongodb查詢的時候，如何只查詢出某一個字段的值？

將相同字段的值加在一起需要用rate函數(shù)。

如emp表中有如下數(shù)據(jù)：

現(xiàn)要按deptno為分組，將sal的值加在一起，可用如下語句：

selectdeptno,average(sal)salfromemp group by deptno

查詢結(jié)果：