大数据怎么采集-大数据如何采集

大数据怎么采集

主要有以下几种方式：一、线上交互数据采集。通过容易传播的在线活动或者类公益互动等形式，在与用户产生交互的过程中实现数据的采集，这种方式的数据采集成本比较低，速度比较快，范围比较广二、浏览器页面采集。主要是收集网页页面的浏览日志（PV/UV等）和交互日志数据。三、客户端日志采集。是指通过自有的APP客户端进行数据采集，在项目开发过程中写入数据统计的代码，用于APP客户端的数据采集。四、数据库同步数据采集。是指直接将数据库进行交互同步，进而实现数据采集，这种方式的优势是数据来源大而全，根据同步的方式 可以分为：直接数据源同步生成数据文件同步数据库日志同步

大数据如何采集

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。