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

收到大數據信息如何處理？

1.物聯網之一：采集

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

在的采集過程中，其主要特點和挑戰(zhàn)是并發(fā)數高，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據庫才能支撐。并且如何在這些數據庫之間進行負載均衡和分片的確是需要深入的思考和設計。

2.圖像識別之二：導入/預處理

雖然采集端本身會有很多數據庫，但是如果要對這些海量數據進行有效的分析，還是應該將這

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

導入與預處理過程的特點和挑戰(zhàn)主要是導入的數據量大，每秒鐘的導入量經常會達到百兆，甚至千兆級別。

3.語音識別之三：統計/分析

統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的海量數據進行普通

的分析和分類匯總等，以滿足大多數常見的分析需求，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，或者基于半結構化數據的需求可以使用數據庫。

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

4.語音識別之四：挖掘

與前面統計和分析過程不同的是，數據挖掘一般沒有什么預先設定好的主題，主要是在現有數據上面進行基于各種算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型算法有用于支持向量機的Kmeans、用于統計學習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雜，并且計算涉及的數據量和計算量都很大，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。

如emp表中有如下數據：

現要按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

查詢結果：