结构化数据、半结构化数据和非结构化数据
结构化数据
结构化的数据是指可以使用关系型数据库表示和存储，表现为二维形式的数据。一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。举一个例子：
id		name	age		gender
1		lyh		12		male
2		liangyh	13		female
3		liang	18		male

所以，结构化的数据的存储和排列是很有规律的，这对查询和修改等操作很有帮助。但是，显然，它的扩展性不好（比如，我希望增加一个字段，怎么办？）。
半结构化数据
半结构化数据是结构化数据的一种形式，它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，它也被称为自描述的结构。
半结构化数据，属于同一类实体可以有不同的属性，即使他们被组合在一起，这些属性的顺序并不重要。
常见的半结构数据有XML和JSON，对于对于两个XML文件，第一个可能有
<person>
	<name>A</name>
	<age>13</age>
  	<gender>female</gender>
</person>

第二个可能为：
<person>
	<name>B</name>
	<gender>male</gender>
</person>

从上面的例子中，属性的顺序是不重要的，不同的半结构化数据的属性的个数是不一定一样的。有些人说半结构化数据是以树或者图的数据结构存储的数据，怎么理解呢？上面的例子中，<person>标签是树的根节点，<name>和<gender>标签是子节点。通过这样的数据格式，可以自由地表达很多有用的信息，包括自我描述信息（元数据）。所以，半结构化数据的扩展性是很好的。
非结构化数据
顾名思义，就是没有固定结构的数据。各种文档、图片、视频/音频等都属于非结构化数据。对于这类数据，我们一般直接整体进行存储，而且一般存储为二进制的数据格式。

计算机信息化系统中的数据分为结构化数据和非结构化数据、半结构化数据。

 

结构化数据

结构化数据，是指由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。

也称作行数据，一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。

 比如：


			
id
			
			

			
name
			
			

			
gender
			
			

			
phone
			
			

			
address
			
		

			
1
			
			

			
张一
			
			

			
female
			
			

			
3337899
			
			

			
湖北省武汉市
			
		

			
2
			
			

			
王二
			
			

			
male
			
			

			
3337499
			
			

			
广东省深圳市福田区
			
		

			
3
			
			

			
李三
			
			

			
female
			
			

			
3339003
			
			

			
广东省深圳市南山区
			
		
 

非结构化数据

非结构化数据，是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、HTML、各类报表、图像和音频/视频信息等等。

非结构化数据更难让计算机理解。

 

半结构化数据

半结构化数据，是结构化数据的一种形式，虽不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，也被称为自描述的结构。

常见的半结构数据有XML和JSON，比如：

<person>

    <name>A</name>

    <age>13</age>

    <gender>female</gender>

</person>


 

结构化数据、半结构化数据和非结构化数据
结构化数据
结构化的数据是指可以使用关系型数据库表示和存储，表现为二维形式的数据。一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。举一个例子：
id      name    age     gender
1       lyh     12      male
2       liangyh 13      female
3       liang   18      male
所以，结构化的数据的存储和排列是很有规律的，这对查询和修改等操作很有帮助。但是，显然，它的扩展性不好(比如，我希望增加一个字段，怎么办？)。
半结构化数据
半结构化数据是结构化数据的一种形式，它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，它也被称为自描述的结构。
半结构化数据，属于同一类实体可以有不同的属性，即使他们被组合在一起，这些属性的顺序并不重要。
常见的半结构数据有XML和JSON，对于对于两个XML文件，第一个可能有
A
13
female
第二个可能为：
B
male
从上面的例子中，属性的顺序是不重要的，不同的半结构化数据的属性的个数是不一定一样的。有些人说半结构化数据是以树或者图的数据结构存储的数据，怎么理解呢？上面的例子中，标签是树的根节点，和标签是子节点。通过这样的数据格式，可以自由地表达很多有用的信息，包括自我描述信息(元数据)。所以，半结构化数据的扩展性是很好的。
非结构化数据
顾名思义，就是没有固定结构的数据。各种文档、图片、视频/音频等都属于非结构化数据。对于这类数据，我们一般直接整体进行存储，而且一般存储为二进制的数据格式。

　　在“新基建”的推动下，数字化转型与智能物联升级成为大势所趋，许多企业都加速向数字化创新工厂迈进。此趋势一方面助力万物互联的数字化建设，另一方面也带来了数据“井喷式”增长，其中大部分数据是非结构化数据。
　　如何高效处理非结构化数据成为当今用户的挑战与新痛点。戴尔科技集团及时响应用户需求，适时推出了PowerScale非结构化数据存储解决方案，可将结构化管理引入非结构化数据，最大化地释放“新基建”时代数据的作用与价值。
　　近日，笔者有幸采访到了戴尔科技集团大中华区非结构化数据存储事业部总经理刘志洪先生，和刘总围绕非结构化数据存储的概念、市场趋势及戴尔科技集团针对非结构化数据存储的一些举措，展开了深入探讨。
　　何谓“非结构化数据”？
　　据IDC预测，2018年到2025年之间，全球产生的数据量将会从33ZB增长到175ZB，复合增长率达到27%，其中超过80%的数据都会是非结构化数据。那么，什么是非结构化数据？非结构化数据和结构化数据相比有何不同？
　　据刘志洪表示：“数据就是客观世界的一个数学表达式。结构化数据是高度组织和整齐格式化的数据，计算机可以很轻松地搜索到它，容易被人们使用。而非结构化数据本质上是结构化数据之外的一切数据，它不符合任何预定义的模型，可能是文本的或非文本的，也可能是人为的或机器生成的，不容易被处理与存储。典型的非结构化数据包括文本文件、电子邮件、社交媒体数据、网站、移动数据、通讯、媒体数据等等。”
　　在谈到非结构化数据和结构化数据区别时，刘志洪总结道：除了以上提到的概念性区别之外，非结构化数据和结构化数据还存在以下几个区别，即非结构化数据的种类繁多、数据的来源广，产生的速度比结构化数据更快，数据处理和存储更困难。
　　当我们在刷短视频，网上聊天时，是否想到过这些行为的背后带来怎样的数据巨变？包括图像、视频、社交媒体内容在内的非结构化数据的增速惊人，远大于结构化数据。据Gartner预测，从2019年到2024年，非结构化数据的总量预计将增加两倍。那么，随着非结构化数据的扩张，客户对非结构化数据存储的需求也直线上升。如今，客户对于非结构化数据存储提出了哪些需求点呢？
　　笔者看来，在各行各业，用户都面临着非结构化数据量大、数据增快的难题。毫无疑问，企业需要一种简单、流畅、经济高效的方式来储存和使用非结构化数据。在这个问题上，刘总为我们总结了三大客户需求点：
　　首先，将结构化管理引入非结构化数据(从边缘到核心到云)，能够消除其复杂性，并且可以从小规模应用扩展到很大规模应用。
　　第二，它能处理任意用户、任意位置的各种不可预测的工作负载。能同时支持边缘、核心和云的存储需求。
　　第三，能使查找和分析数据变得容易。组织需要找到所需的数据，无论它们位于何处。业务人员需要数据唾手可得；开发人员需要使用它进行编码；IT组织需要处理和管理数据。好的解决方案应该是智能的和赋能的。
　　笔者认为，随着近年来云和边缘计算等技术的兴起，越来越多的非结构化数据从传统数据中心转移到云和边缘计算等新场景，那么相关的解决方案只有兼顾到这一发展趋势，才能立于不败之地。
　　“新基建”为数字化转型带来新机遇
　　“新基建“是以5G、云计算、物联网、人工智能等新一代信息技术为依托，对新型基础设施的投入建设，及对传统基础设施进行数字化改造，推动面向数字经济的全面转型，为社会民生、工业、科技等方方面面注入全新的活力。
　　随着新型基础设施的全面铺开，数据爆发式增长、新一代信息技术的应用需求快速增长、更多基于云的新兴业态及场景纷纷涌现，这些趋势都大大加快了企业数字化转型的步伐。在“新基建”这个趋势下，对于非结构化存储带来了哪些需求和变化呢？
　　刘志洪表示，在“新基建“的推动下，AI，5G等新兴技术加速部署，人们对信息的渴望被极大的唤起，常规的结构化数据交互已经不能满足人们的需求。而伴随着数字化的快速发展，非结构化数据扮演起越来越重要的角色，图片、视频、语音蕴含的丰富信息将被广泛利用。
　　另一方面，新兴技术的快速发展也提高了行业对非结构化数据的重视程度。比如物联网、工业4.0、ADAS、自动驾驶、视频直播等领域的发展产生了更多的非结构化数据，而例如人工智能、机器学习、语义分析、图像识别等技术则需要大量的非结构化数据来开展工作。
(文/陶然)