概念
大数据: 是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

数据存储单位

bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB

特点（4V）
大量 Volume

高速 Velocity

多样 Variety

低价值密度 Value
应用场景

物流仓储

大数据分析系统助力商家精细化运营、提升销量、节约成本
零售

分析用户消费习惯,为用户购买商品提供方便,从而提升商品销量
旅游

深度结合大数据能力与旅游行业需求,共建旅游产业智慧管理、智慧服务和智慧营销
商品广告推荐

给用户推荐肯喜欢的商品
保险

海量数据挖掘机风险预测,助力保险行业精准营销,提升精细化定价能力
金融

多维度体现用户特征,帮助金融机构推荐优质客户,防范欺诈风险
房产

大数据全面助理房地产行业,打造精准投策与营销,选出更适合的地,建造更合适的楼,卖给更合适的人
人工智能

部门业务流程分析

产品人员提需求(统计总用户数、日活跃用户数、回流用户数等)
数据部门搭建数据平台、分析数据指标
数据可视化（报表展示、邮件发送、大屏幕展示等）

部门组织结构

技术生态体系

推荐系统框架图

什么是微服务
背景

图书管理系统

学生时代**管理系统是最受老师欢迎的大作业，以图书管理系统为例。谈一谈，什么是单体架构，什么是微服务

流程如图



单体架构
单体架构，一句话形容，就是所有服务都发在一个工程里面，以mvc三层架构来说。登录，借书，仓储，计费等操作划分为不同的service。部署在同一个服务下，所有service操作相同的数据源。



由于service之间可以直接调用，甚至可以操作别人的dao。这就导致各个逻辑单元之间不存在访问问题。部署起来也只有一个工程。相对轻松。但是随着工程功能越来越多，代码越来越多，各个service之间的不可避免的耦合度也会越来越高。起一个工程要保证所有service模块都正常。随意改动任何一处，都会导致整个服务宕机，且原因的查找要检索整个链路。变得十分繁琐。牵一发动全身




优点
缺点




调用方便
系统启动慢


测试和部署相对轻松
系统错误隔离性差


技术单一（springboot够了）
可伸缩性差



线上问题修复周期长


微服务架构
与单体架构不同，微服务讲究将有完整逻辑单元的service做成一个个小服务来开发部署维护。各个服务之间通过api（接口调用）的形式来通信。服务与服务之间无任何强关联，只关心提供的api。从源头上杜绝了依赖与跨库或者跨表（业务分）操作的可能。每个服务都有自己完整的业务逻辑，有自己完整的三层架构，不依赖任何一个服务来维持自己的正常运行。




优点
缺点




易于开发和维护
运维要求较高


单个微服务启动较快
分布式固有的复杂性


局部修改容易部署
接口调整成本高


技术栈不受限



可以承受高并发