數(shù)據(jù)采集是所有數(shù)據(jù)系統(tǒng)必不可少的，大數(shù)據(jù)的采集方法有離線采集、實(shí)時(shí)采集、互聯(lián)網(wǎng)采集和其他數(shù)據(jù)采集方法。

　　大數(shù)據(jù)的采集方法是什么

　　1、離線采集：

　　工具：ETL。在數(shù)據(jù)倉(cāng)庫(kù)的語(yǔ)境下，ETL基本上就是數(shù)據(jù)采集的代表，包括數(shù)據(jù)的提取、轉(zhuǎn)換(Transform)和加載。在轉(zhuǎn)換的過程中，需要針對(duì)具體的業(yè)務(wù)場(chǎng)景對(duì)數(shù)據(jù)進(jìn)行治理，例如進(jìn)行非法數(shù)據(jù)監(jiān)測(cè)與過濾、格式轉(zhuǎn)換與數(shù)據(jù)規(guī)范化、數(shù)據(jù)替換、保證數(shù)據(jù)完整性等。

　　2、實(shí)時(shí)采集：

　　工具：Flume/Kafka。實(shí)時(shí)采集主要用在考慮流處理的業(yè)務(wù)場(chǎng)景，比如，用于記錄數(shù)據(jù)源的執(zhí)行的各種操作活動(dòng)，比如網(wǎng)絡(luò)監(jiān)控的流量管理、金融應(yīng)用的股票記賬和 web 服務(wù)器記錄的用戶訪問行為。在流處理場(chǎng)景，數(shù)據(jù)采集會(huì)成為Kafka的消費(fèi)者，就像一個(gè)水壩一般將上游源源不斷的數(shù)據(jù)攔截住，然后根據(jù)業(yè)務(wù)場(chǎng)景做對(duì)應(yīng)的處理(例如去重、去噪、中間計(jì)算等)，之后再寫入到對(duì)應(yīng)的數(shù)據(jù)存儲(chǔ)中。

　　這個(gè)過程類似傳統(tǒng)的ETL，但它是流式的處理方式，而非定時(shí)的批處理Job，些工具均采用分布式架構(gòu)，能滿足每秒數(shù)百M(fèi)B的日志數(shù)據(jù)采集和傳輸需求。

　　3、互聯(lián)網(wǎng)采集：

　　工具：Crawler，DPI等。Scribe是Facebook開發(fā)的數(shù)據(jù)(日志)收集系統(tǒng)。又被稱為網(wǎng)頁(yè)蜘蛛，網(wǎng)絡(luò)機(jī)器人，是一種按照一定的規(guī)則，自動(dòng)地抓取萬(wàn)維網(wǎng)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采集。

　　大數(shù)據(jù)采集的流程是什么

　　大數(shù)據(jù)數(shù)據(jù)采集處理流程主要包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理與分析等環(huán)節(jié)，數(shù)據(jù)質(zhì)量貫穿于整個(gè)大數(shù)據(jù)流程，非常的關(guān)鍵。每一個(gè)數(shù)據(jù)處理環(huán)節(jié)都會(huì)對(duì)大數(shù)據(jù)質(zhì)量產(chǎn)生影響作用。下面就來說一下大數(shù)據(jù)數(shù)據(jù)采集的流程及處理方法。

　　大數(shù)據(jù)數(shù)據(jù)采集在數(shù)據(jù)收集過程中，數(shù)據(jù)源會(huì)影響大數(shù)據(jù)質(zhì)量的真實(shí)性、完整性數(shù)據(jù)收集、一致性、準(zhǔn)確性和安全性。

　　數(shù)據(jù)預(yù)處理大數(shù)據(jù)采集過程中通常有一個(gè)或多個(gè)數(shù)據(jù)源，這些數(shù)據(jù)源包括同構(gòu)或異構(gòu)的數(shù)據(jù)庫(kù)、文件系統(tǒng)、服務(wù)接口等，易受到噪聲數(shù)據(jù)、數(shù)據(jù)值缺失、數(shù)據(jù)沖突等影響，因此需首先對(duì)收集到的大數(shù)據(jù)集合進(jìn)行預(yù)處理，以保證大數(shù)據(jù)分析與預(yù)測(cè)結(jié)果的準(zhǔn)確性與價(jià)值性。