بزرگ داده: معماری و کاربرد

این کتاب که ترجمه ایست از کتاب “Big Data Application Architecture Q&A” با مقدمه زیر منتشر شده است :

در علم کامپیوتر و صنایع وابسته آن ابعاد رنگ و بوی متفاوتی نسبت به دیگر علوم دارند. در علم شیمی ابعاد برعکس دیگر علوم رشد می کنند. روز به روز به سمت ابعاد کوچکتر می رویم. میلی، میکرو، نانو و ریزتر و همگی نشان از پیشرفت بیشتر این علم دارند. بر اساس آنچه در ویکی پدیا درباره داده نوشته شده است: ” به طور کلی، می‌توان همهٔ دانسته‌ها، آگاهی‌ها، داشته‌ها، آمارها، شناسه‌ها، پیشینه‌ها و پنداشته‌ها را داده یا دیتا (به انگلیسی: Data) نامید.” در کامپیوتر داده یکی از مهمترین و شاید اساسی ترین اقلامی است که بر روی آن از مراحل تولید تا مصرف بصورت جدی و با دقت بالا مدیریت صورت می پذیرد. دنیای امروزه شاهد طوفانی از داده های سردرگرم می باشد. یک طوفان بر سر راه خود هرآنچه را می بیند همراه خود می برد و در یک عمر کوتاه می توان انتظار وجود هرچیزی درون آن را داشت. اما چیزهایی که دستخوش تغییرات بوده اند و برای درک دقیق آنها باید اعمال مناسب و خاصی انجام شود. شبکه های اجتماعی، اطلاعات شخصی، محتوای وب سایت ها و وبلاگ ها، جستجوهای موتورهای جستجو، بازخوردهای کاربران، اخبار، و …. همگی داده هایی هستند که می توانند مفید و تاثیرگذار در تصمیم گیری ها و برنامه ریزی ها باشند. فرایند بررسی این داده ها و نتیجه گیری از آنها و درنهایت به نمایش گذاشتن نتایج حاصل شده آن چیزی است که بزرگ داده نامیده می شود. اکثرا حتی در محیط های علمی هم معنای بزرگ داده را فقط در حجم بالای داده ها می بینند درصورتیکه بزرگ داده مفهومی فراتر از حجم داده بوده و به موارد دیگری از جمله سرعت و بار پردازشی بالای این داده های حجیم نیز مربوط می شود. اگر موارد نرم افزاری این سیستم های بزرگ داده ای را کنار بگذاریم، بحث سخت افزار و معماری های مورد استفاده جهت پیاده سازی دستگاه های با این توان و قدرت بالای پردازش و انتقال داده به چشم می آید که این جنبه از سیستم های بزرگ داده ای گاهاً کمتر دیده می شود چرا که اکثر استفاده کنندگان از این سیستم ها فقط با نرم افزارها بطور مستقیم سروکار دارند.

(مطالب فوق از زبان مترجم و از سایت ایشان برداشته شده است .)