★学习要求：大数据的类型，了解每个类型的相关含义、特点

★考察方向：

1.大数据的类型有哪些?

2.通过场景判断是那种类型?

3.各类型的特点

★可能难以理解的点

●对于非专业考生来说，可能这些名词都比较陌生，所以有可能都比较难理解

●“先有结构，再有数据”

●“先有数据，再有结构”

●“自描述的结构”

☛考点讲解：

必须记住——从数据结构化的程度来看，大数据的类型可以分为：结构化数据、半结构化数据和非结构化数据。

什么是“数据的结构化”?

简单说，“结构化”就是数据的“组织形式”——就像咱们教室里的座位，每个位置都有固定的行和列，谁坐第几排第几号一目了然。数据的结构化程度，本质就是“数据有没有固定的、整齐的‘座位表’”。根据这个“座位表”的清晰程度，大数据分为三类：结构化数据、半结构化数据、非结构化数据。

结构化的数据一般是指可以使用关系型数据库表示和存储，可以用二维表来逻辑表达实现的数据。它就像咱们的“学生成绩表”：表头固定是“姓名、学号、语文、数学、英语”，每一行对应一个学生，每一列对应一个科目，数据必须填在对应的格子里，不能乱套。

怎么理解“先有结构，再有数据”

可以这样理解：比如学校要统计成绩，肯定是先设计好“姓名、学号、科目”这个表格结构(也就是先定好“座位表”)，然后才把每个学生的成绩填进去。再比如银行的账户信息，一定是先有“卡号、户主、余额、开户日期”这些固定字段，再记录每个人的具体信息——结构是“框架”，数据是“填充的内容”，框架先于内容存在。

半结构化数据是个“中间派”——它不像结构化数据那样有严格的二维表格框架，但会用一些“标记”来区分数据的含义。比如咱们写作文，没有固定的“表头”，但会用“标题、段落、标点”来分隔内容，这些“标记”就帮数据形成了隐性的结构。

怎么理解“先有数据，再有结构”和“自描述的结构”

- 先有数据，再有结构：比如你发朋友圈，先写“今天去看了电影，超好看!”(这是数据)，然后微信系统会自动用标记区分“发布人、内容、时间、点赞数”(这是结构)——数据先产生，结构是后续通过标记“提炼”出来的，和结构化数据正好相反。

- 自描述：数据自己会“说明”自己的含义。比如HTML文档里的“<标题>大数据分类”，这个“<标题>”标记就告诉电脑“后面的内容是标题”，不用依赖外部表格，数据自带“说明书”。

非结构化数据最大的特点就是“没有任何固定的结构”——你没法用表格拆分它，也没有明显的标记来区分语义，只能作为一个“整体”来处理。比如一张照片，你不能像拆成绩表那样把“人脸、背景、颜色”拆成固定字段;一段语音，也没法直接拆成“语气、内容、停顿”的表格形式。

因为没有固定结构，非结构化数据一般以“二进制格式的数据格式”存储——比如图片存成JPG/PNG，视频存成MP4，音频存成MP3，都是电脑能识别的二进制代码，直接整体保存，不用拆分字段。