大数据采集是从传感器和智能设备、企业在线系统、企业离线系统、社交网络和互联网平台等获取数据的过程。
数据包括各种类型的结构化、半结构化、非结构化海量数据，包括RFID数据、传感器数据、用户行为数据、社交网络交互数据和移动互联网数据。
不仅数据源种类多，而且数据种类繁杂、数据量大、发生速度快，这完全不能用传统的数据采集方法来应对。
因此，大数据采集技术面临着诸多技术难题，一方面需要在保证数据采集可靠高效的同时避免重复数据。
分类传统的数据采集来源单一，数据量也相对较少，往往可以采用关系数据库和并行数据仓库进行处理。
为了通过并行计算提高数据处理速度，传统的并行数据库技术追求高度的一致性和容错性，难以保证可用性和可扩展性。
在大数据体系中，传统数据分为业务数据和行业数据，传统数据体系中未考虑的新数据源有内容数据、在线行为数据和在线行为数据三种。
在传统的数据体系和新的数据体系中，数据分为以下五种。
业务数据：消费者数据、客户关系数据、库存数据、会计数据等。 行业数据：车流量数据、能耗数据、PM2.5数据等。 内容数据：包括APP日志、电子文档、机器数据、音频数据、社交媒体数据等。 在线行为数据：页面数据、交互数据、表单数据、会话数据、反馈数据等。 离线行为数据：车辆位置和轨迹、用户位置和轨迹、动物位置和轨迹等。 大数据的主要来源如下。
企业系统：客户关系管理系统、企业资源计划系统、库存系统、销售系统等。 机械系统：智能仪表、工业设备传感器、智能设备、视频监控系统等。 互联网系统：电子商务系统、服务行业业务系统、政府监管系统等。 社交系统：微信、QQ、微博、博客、新闻网站、朋友圈等。 在大数据体系中，数据源和数据类型的关系如图1所示。 大数据从以往的企业系统中获取相关的业务数据。
图1数据源和数据类型的关系
机械系统生成的数据大致分为两种。
通过智能仪表和传感器获取行业数据。 例如，通过道路卡口设备获取车流量数据，通过智能电表获取耗电量。 通过各种监视装置获取人、动物、物体的位置和轨迹信息。 internet系统会生成相关的商业和在线行为数据，包括用户的反馈和评价信息，以及用户购买的产品和品牌信息。
社交系统会产生博客、照片等大量内容数据和在线行为数据。 因此，大数据采集与传统数据采集存在较大差异。
从数据源方面看，传统数据采集的数据源单一，是从传统企业的客户关系管理系统、企业资源规划系统及相关业务系统获取数据，大数据采集系统是社交系统、互联网系统及
从数据量方面来看，网络系统和机械系统产生的数据量远远大于企业系统的数据量。
从数据结构方面看，传统的数据采集数据都是结构化的数据，而大数据采集系统需要采集大量的视频、音频、图片等非结构化数据，以及网页、博客、日志等半结构化数据。
从数据生成速度来看，传统的数据采集的数据几乎都是人工操作生成的，远远慢于机器生成数据的效率。 因此，传统的数据采集方法与大数据的方法也有着根本的区别。
大数据收集方法分类大数据的收集是利用多个数据库或存储系统接收从客户端发送的数据，包括Web、App或传感器格式。 例如，供应商使用传统的关系数据库MySQL和Oracle等来存储各事务数据，在大数据时代，Redis、MongoDB、HBase等NoSQL数据库也经常用于数据收集
大数据采集流程的主要特点和挑战是并发数量高。 因为可能同时有成千上万的用户在访问和操作。 例如，火车票销售网站和淘宝同时访问量高峰可达上百万人，采集端需要部署大量数据库来支持这一点，另外，在这些数据库之间进行负载均衡和分片需要经过深思熟虑的设计
根据数据源的不同，大数据收集方法也不同。 但为了满足大数据采集的需要，大数据采集时都采用了大数据的处理模式，即MapReduce分布式并行处理模式或基于内存的流媒体处理模式。
针对4种不同的数据源，大数据采集方法有以下几种：
1 .数据库收集
传统企业使用传统的关系数据库MySQL和Oracle等来存储数据。
随着大数据时代的到来，Redis、MongoDB、HBase等NoSQL数据库也越来越多地用于数据的收集。 企业通过在采集端部署大量数据库，并在这些数据库之间进行负载均衡和分片，完成大数据采集工作。
2 .系统日志收集
系统日志采集主要收集公司业务平台日常产生的大量日志数据，用于离线和在线大数据分析系统。
高可用性、高可靠性、可扩展性是日志采集系统具有的基本特征。 系统日志采集工具均采用分布式架构，能够满足每秒数百MB的日志数据采集和传输的需要。
详情请参照教程《系统日志采集方法》。
3 .网络数据收集
web数据收集是指通过web爬虫和网站公开API等从网站获取数据信息的过程。
网络爬虫从一个或多个初始页面的URL开始，获取每个页面的内容并捕获网页
程中，不断从当前页面上抽取新的 URL 放入队列，直到满足设置的停止条件为止。这样可将非结构化数据、半结构化数据从网页中提取出来，存储在本地的存储系统中。
详细内容可参考教程《网络数据采集方法》。
4. 感知设备数据采集
感知设备数据采集是指通过传感器、摄像头和其他智能终端自动采集信号、图片或录像来获取数据。
大数据智能感知系统需要实现对结构化、半结构化、非结构化的海量数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等。其关键技术包括针对大数据源的智能识别、感知、适配、传输、接入等。
转自：http://www.ryxxff.com/9273.html