数据采集和预处理的步骤

1、数据收集: 在我们进行数据收集的时候,一定要保证数据源的真实、完整,而且因为数据源会影响大数据质量,也应该注意数据源的一致性、准确性和安全性。这样才能保证数据收集途中不被一些因素干扰。

2、数据预处理: 数据预处理大数据采集过程中通常有一个或多个数据源,这些数据源可能会出现一些问题,包括但是不限于同构或异构的数据库、文件系统、服务接口等,不仅如此,数据源也可能会受到噪声数据、数据值缺失、数据冲突等影响,这时候,数据预处理的重要性就显现出来了,它可以避免数据的虚假,保证数据真实有效。

3、数据存储: 数据存储是数据流在加工过程中产生的临时文件或加工过程中需要查找的信息,常用的数据储存工具是磁盘和磁带。数据存储方式与数据文件组织密切相关,因此,数据储存要在数据收集和数据预处理的基础上去完成。