
数据采集的方法 一、基本方法 数据采集根据采集数据的类型可以分为不同的方式,主要方式有:传感器采 集、爬虫、录入、导入、接口等。 (1)传感器监测数据:通过传感器,即现在应用比较广的一个词:物联网。 通过温湿度传感器、气体传感器、视频传感器等外部硬件设备与系统进行通信, 将传感器监测到的数据传至系统中进行采集使用。 (2)第二种是新闻资讯类互联网数据,可以通过编写网络爬虫,设置好数据 源后进行有目标性的爬取数据。 (3)第三种通过使用系统录入页面将已有的数据录入至系统中。 (4)第四种方式是针对已有的批量的结构化数据可以开发导入工具将其导入 系统中。 (5)第五种方式,可以通过API接口将其他系统中的数据采集到本系统中。 二、大数据技术的数据采集 (1)离线采集: 工具:ETL ; 在数据仓库的语境下,ETL基本上就是数据采集的代表,包括数据的提取 (Extract) 、转换(Transform)和加载(Load) 。在转换的过程中,需要针对具体的业 务场景对数据进行治理,例如进行非法数据监测与过滤、格式转换与数据规范化、 数据替换、保证数据完整性等。 (2)实时采集: 工具:Flume/Kafka ; 实时采集主要用在考虑流处理的业务场景,比如,用于记录数据源的执行的 各种操作活动,比如网络监控的流量管理、金融应用的股票记账和 web 服务器 记录的用户访问行为。在流处理场景,数据采集会成为Kafka 的消费者,就像一 个水坝一般将上游源源不断的数据拦截住,然后根据业务场景做对应的处理(例 如去重、去噪、中间计算等),之后再写入到对应的数据存储中。这个过程类似 传统的ETL ,但它是流式的处理方式,而非定时的批处理Job ,些工具均采用分 布式架构,能满足每秒数百MB 的日志数据采集和传输需求 (3)互联网采集: 工具:Crawler, DPI 等; Scribe 是Facebook 开发的数据( 日志)收集系统。又被称为网页蜘蛛,网络机 器人,是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本,它支持 图片、音频、视频等文件或附件的采集。 除了网络中包含的内容之外,对于网络流量的采集可以使用DPI 或DFI 等 带宽管理技术进行处理。 (4)其他数据采集方法 对于企业生产经营数据上的客户数据,财务数据等保密性要求较高的数据, 可以通过与数据技术服务商合作,使用特定系统接口等相关方式采集数据。比如 八度云计算的数企BDSaaS,无论是数据采集技术、BI数据分析,还是数据的安 全性和保密性,都做得很好。 数据的采集是挖掘数据价值的第一步,当数据量越来越大时,可提取出来的 有用数据必然也就更多。只要善用数据化处理平台,便能够保证数据分析结果的 有效性,助力企业实现数据驱动。 三、软件系统的数据采集方法 (1)软件接口方式 各个软件厂商提供数据接口,实现数据
2、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问加。
3、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
(GBT50500-2024)建设工程工程量清单计价标准(GBT50500-2024)完整版.docx
GB_T 50500-2024《建设工程工程量清单计价标准》深度解读(全网最新完整版).docx
原创力文档创建于2008年,本站为文档C2C交易模式,即用户上传的文档直接分享给其他用户(可下载、阅读),本站只是中间服务平台,本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方,若您的权利被侵害,请发链接和相关诉求至 电线) ,上传者