一、数据中心与大数据

1.1数据中心分类

企业数据中心enterprise（EBC）

互联网数据中心internet（IBC）

1.2数据中心等级

依据可用性、稳定性、安全性

1.3大数据的分析与处理

传统的方法：

大数据的方法：

常见大数据处理形式

归纳为下面四种形式：

二、数据库系统

2.1数据库类型

数据模型使数据库的核心和基础。物联网中的数据具有时效性，采用分布式实时数据库技术势在必行。此数据最大特点在于，事务和数据都有时限性。一旦超过规定时间，数据就失去了价值。

2.2数据库操作

2.3 数据库与物联网

nosql 自定义数据格式，应对巨大数据快速存储、共享、分析和检索

高扩展，读写性能好，低成本

类型：

键值存储系统：每个数据存储一个key作为索引，与之相关的其他数据统统存如value值中。不关系数据内容照单全收，可扩展性高，依赖key进行快速查询
列存储系统：传统为行存储，每行有不同的字段属性值，字段需提前定义好。而行存储以属性为核心，同属性数据聚合。大数据存储中只关心少数字段，存储效率更高，支持动态扩展
文档存储系统:键值型与关系型的平衡。数据由键值对存储，值存储为json格式。文档格式自定义，比关系型数据库更好扩展。
图数据库系统：图结构（边和点）和属性来表示和存储数据。对图数据处理效率相比传统而言，提高很多。

3.1数据挖掘过程

1）数据处理

2）数据挖掘

3）知识评估与表示

经过评估，去除冗余的无关的模式。如不满足客户需要，需要返回前面的步骤反复提取，重新选择数据，变换规则。另外，还需要可视化结果

3.2 数据挖掘方法

统计分析方法：个属性统计分析，找出关系
决策树：采用树形结构展现数据受各变量影响情况的分析预测模型，建立在信息论基础上，对数据进行分析。通过一批已知数据进行训练得出一个决策树，并基于此随数据进行预测。
神经网络：模拟人脑思考结构的数据分析模型，从输入值中，获取知识，不断调整参数，从而得出结果。可对大量复杂数据进行数据分析。完成极为复杂的模式抽取和趋势分析。
遗传算法：模拟生物进化过程的智能算法，模拟物竞天择适者生存的法则，最终进行问题搜索。
粗糙集：将知识理解为对数据的划分。每一被划分的集合称为概念。利用已知知识库，将不确定和不精确的知识利用已知知识库进行近似刻画处理
联机分析处理技术：用具体图形将信息模式、数据关联趋势呈现给决策者，使用户交互的分析数据的关系。

3.3 物联网中的数据挖掘

1）异构数据处理

海量多源异构数据挖掘

2）分布式数据挖掘

中央模式不可行。

分布式数据挖掘=分布式计算处理+数据挖掘

集中式。数据集于中心，分布发送给个节点进行处理。只适合数据量少。

局部式。全局控制节点，多点辅助节点。全局是核心，选择数据挖掘算法和处理集合。辅助接点从智能对象中接收数据，进行预处理并保存。辅助接点间互相交换对象数据，处理数据和信息。辅助接点受控于全局节点，并将预处理后的信息交与全局节点进一步处理。