-
100
个常用大数据词汇中英文对照表
A
聚合
(Aggregation)
–
搜索、合并、显示数据的过程
算法
(Algorithms)
–
可以完成某种数据分析的数学公式
分析法
(Analytics)
–
用于发现数据的内在涵义
异常检测
(Anomaly
detection)
–
在数据集
中搜索与预期模式或行为不匹配的数据项。
除了
“
Anomalies
”
,
用
来表示异常的词有以下几种:
outliers, exceptions,
surprises,
contaminants.
他们通常可提供关键的可执行信息
匿名化
(Anonymization)
–
使数据匿名,即移除所有与个人隐私相关的数据
应用
(Application)
–
实现某种特定功能的计算机软件
人工智能
(Artificial
Intelligence)
–
研
发智能机器和智能软件,这些智能设备能够感知
周遭的环境,并根据要求作出相应的反应
,甚至能自我学习
B
行为分析法
(Behavioural Analytics)
–
这种分析法是根据用户的行为如<
/p>
“怎么做”
,
“为
什么这么做”
,
以及
“做了什么”<
/p>
来得出结论,
而不是仅仅针对人物和时间的一门分析学科,
它着眼于数据中的人性化模式
大数据科学家
(Big Data
Scientist)
–
能够设计大数据算法使得大数据变得有用的人
大数据创业公司
(Big data startup)
–
指研发最新大数据技术的新兴公司
生物测定术
(Biometrics)
–
根据个人的特征进行身份识别
B
字节
(BB: Brontobytes)
–
约等于
1000 YB(Yottabytes)
,相当于未来数字化宇宙的大
小。
1 B
字节包含了
27
个
0!
商业智能
(Business Intelligence)
–
是一系列理论、
< br>方法学和过程,
使得数据更容易被理
解
< br>
C
分类分析
(Classification
analysis)
–
从数据中获得重要的相关性信息的系统化过程
;
这
类数据也被称为元数据
(meta
data),
是描述数据的数据
云计算
(Cloud
computing)
–
构建在网
络上的分布式计算系统,数据是存储于机房外的
(
即云端
)
聚类分析
(Clustering analysis)
–
它是将相似的对象聚合在一起,每
类相似的对象组合
成一个聚类
(
也叫作
簇
)
的过程。这种分析方法的目的在于分析数据间的差异和相似
性
冷数据存储
(Cold data storage)
–
在低功耗
服务器
上存储那些几乎不被使用的旧数据。
但这些数据检索起来
将会很耗时
对比分析
(Comparative analysis)
–
在非常大的数据集中进行模式匹配
时,进行一步步
的对比和计算过程得到分析结果
复杂结构的数据
(Complex structured
data)
–
由两个或多个复杂而
相互关联部分组成的
数据,这类数据不能简单地由结构化查询语言或工具
(SQL)
解析
计算机产生的数据
(Computer generated
data)
–
如日志文件这类由计算机生成的数据
并发
(Concurrency)
–
同时执行多个任务或运行多个进程
相关性分析
(Correlation analysis)
–
是一种数据分析方法,用于分析变
量之间是否存在
正相关,或者负相关
客户关系管理
(CRM:
Customer Relationship Management)
–
用于管理销售、
< br>业务过程的
一种技术,大数据将影响公司的客户关系管理的策略
< br>
D
仪表板
(Dashboard)
–
使用算法分析数据,并将结果用图表方式显示于仪表板中
数据聚合工具
(Data aggregation
tools)
–
将分散于众多数据
源的数据转化成一个全新数
据源的过程
数据分析师
(Data analyst)
–
从事数据分析、建模、清理、处理的专业人员
数据库
(Database)
–
一个以某种特定的技术来存储数据集合的仓库
数据库即服务
(Database-as-a-
Service)
–
部署在云端的
数据库,即用即付,例如亚马逊
云服务
(AWS:
Amazon Web Services)
数据库管理系统
(DBMS: Database
Management System)
–
收集、存储数据,并提供数
据的访问
数据中心
(Data centre)
–
一个实体地点,放置了用来存储数
据的
服务器
数据清洗
(Data
cleansing)
–
对数据进
行重新审查和校验的过程,目的在于删除重复信
息、纠正存在的错误,并提供数据一致性
数据管理员
(Data custodian)
–
负责维护数据存储所需技术环境的专业技术人员
数据道德准则
(Data ethical
guidelines)
–
这些准
则有助于组织机构使其数据透明化,保
证数据的简洁、安全及隐私
数据订阅
(Data feed)
–
一种数据流,例如
Twitter
订阅和
RSS
数据集市
(Data marketplace)
–
进行数据集买卖的在线交易场所
数据挖掘
(Data
mining)
–
从数据集中发掘特定模式或信息的过程
数据建模
(Data modelling)
–
使用数据建模技术来分析数据对象
,以此洞悉数据的内在
涵义
数据集
(Data set)
–
大量数据的集合
数据虚拟化
(Data
virtualization)
–
数据整合的过程,
以此获得更多的数据信息,
这个过
程通常会引入其他技术,例如数据库,应用程序,文件系统,网页技术,大数据技术等等
去身份识别
(De-identification)
–
也称为匿名化
(anonymization)
,
确保个人不会通过数据
被识别
判别分析
(Discriminant analysis)
–
将数据分类
;
按不同的分类方式,可将数据分配到不
同的群组,
类别或者目录。
是一种统计分析法,
可以对数据
中某些群组或集群的已知信息进
行分析,并从中获取分类规则。
分布式文件系统
(Distributed File
System)
–
提供简化的,高
可用的方式来存储、分析、
处理数据的系统
文件存贮数据库
(Document Store
Databases)
–
又称为文档数据库
(document-oriented
database),
为存储、管理、恢复文档数据而专门设
计的数据库,这类文档数据也称为半结构
化数据
E
探索性分析
(Exploratory analysis)
–
在没有标准的流程或方法的情况下
从数据中发掘
模式。是一种发掘数据和数据集主要特性的一种方法
E
字节
(EB: Exabytes)
–
约等于
1000 PB(petabytes),
约等于
1
百万
GB
。如今全球每天
所制造的新信息量
大约为
1 EB
提取
-
转换
-
加载
(ETL: Extract, Transform and
Load)
–
是一种用于数据库或
者数据仓库
的处理过程。即从各种不同的数据源提取
(E)
p>
数据,并转换
(T)
成能满足业务需要的数
据,最
后将其加载
(L)
到数据库
p>
F
故障切换
(Failover)
–
当系统中某个服务器发生故障时,
能自动地将运行任务切换到另
一个可用服务器或节点上
容错设计
(Fault-tolerant design)
–
一个支持容错设计的系统应该能够
做到当某一部分
出现故障也能继续运行
G
游戏化
(Gamification)
–
在其他非游戏领域中运用游戏的思
维和机制,
这种方法可以以
一种十分友好的方式进行数据的创建
和侦测,非常有效。
图形数据库
(Graph Databases)
–
运用图形结构
(
例如,一组有限的有序对,或者某种实
体
)
来存储数据,这种图形存储结构包括边缘、属性和节点。它提供了相邻节点间
的自由索
引功能,也就是说,数据库中每个元素间都与其他相邻元素直接关联。
网格计算
(Grid computing)
–
将许多分布在不同地点的计算机连
接在一起,
用以处理某
个特定问题,通常是通过云将计算机相连
在一起。
H
Hadoop
–
< br>一个开源的分布式系统基础框架,
可用于开发分布式程序,
进行大数据的运
算与存储。
Hadoop
数据库
(HBase)
–
一个开源的、非关系型、分布式数
据库,与
Hadoop
框架共
同使用<
/p>
HDFS
–
Hadoop
分布式文件系统
(Hadoop Distributed File Syste
m);
是一个被设计成适合
运行在通用硬件
(commodity hardware)
上的分布式文件系统
高性能计算
(HPC: High-Performance-
Computing)
–
使用超级
计算机来解决极其复杂的
计算问题
I
内存
数据库
(IMDB: In-
memory)
–
一种数据库管理
系统,与普通数据库管理系统不同
之处在于,它用主存来存储数据,而非
硬盘
。其特点在于能高速地进行数据的处理和存取。
物联网
(Internet of Things)
–
在普通的设备中装上
传感器
,使这些设备能够在任何时间
任何地点与网络
相连。
J
法律上的数据一致性
(Juridical data
compliance)
–
当你使
用的
云计算
解决方案,将你的
数据存储
于不同的国家或不同的大陆时,
就会与这个概念扯上关系了。
你
需要留意这些存储
在不同国家的数据是否符合当地的法律。
K
键值数据库
(KeyValue Databases)
–
数据的存储方式是使用一个特定的
键,
指向一个特
定的数据记录,
这种方
式使得数据的查找更加方便快捷。
键值数据库中所存的数据通常为编
程语言中基本数据类型的数据。
L
延迟
(Latency)
–
表示系统时间的延迟
遗留系统
(Legacy
system)
–
是一种旧的应用
程序,
或是旧的技术,
或是旧的计算系统,
现在已经不再支持了。
负载均衡
(Load balancing)
–
将工作量分配到多台电脑或服务器
上,以获得最优结果和
最大的系统利用率。
位置信息
(Location data)
–
GPS
信息,即地理位置信息。
日志文件
(Log file)
–
由计算机系统自动生成的文件,记录系统的运行过程。
M
M2M
数
据
(Machine2Machine data)
–
两台或多台机器间交流与传输的内容
机器数据
(Machine
data)
–
由
< br>传感器
或算法在机器上产生的数据