1、结构化数据 结构化数据，简单来说就是数据库。结合到典型场景中更容易理解，比如企业ERP、财务系统；医疗HIS数据库；教育一卡通；政府行政审批；其他核心数据库等。基本包括高速存储应用需求、数据备份需求、数据共享需求以及数据容灾需求。
2、非结构化数据 任何以未知形式或结构出现的数据都属于非结构化数据。处理非结构化数据并对其进行分析以获取数据驱动的答案是一项艰巨的任务，因为它们来自不同类别，将它们放在一起只会使情况变得更糟。包含简单文本文件，图像，视频等的组合的异构数据源是非结构化数据的示例。
3、相对于结构化数据（即行数据，存储在数据库里，可以用二维表结构来逻辑表达实现的数据）而言，不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。
4、结构化数据：能存储在数据库里的数据；非结构化数据：包括所有格式的办公文档、文本、图片、各类报表、图像和音频/视频信息等等。
5、半结构化数据虽然具有形式化的结构，但实际上并不是在关系型数据库管理系统（DBMS）中通过表定义来定义的。Web应用程序数据就是半结构化数据的一个例子，它包含了非结构化数据，如日志文件、事务历史记录文件等。在线事务处理系统（OLTP）旨在与结构化数据一起工作，其中的数据存储在关系型表中。
1、大数据处理流程包括：数据采集、数据预处理、数据入库、数据分析、数据展现。数据采集数据采集包括数据从无到有的过程和通过使用Flume等工具把数据采集到指定位置的过程。数据预处理数据预处理通过mapreduce程序对采集到的原始日志数据进行预处理，比如清洗，格式整理，滤除脏数据等，并且梳理成点击流模型数据。
2、大数据处理流程包括数据收集、数据存储、数据清洗和预处理、数据集成和转换、数据分析、数据可视化、数据存储和共享，以及数据安全和隐私保护等步骤。数据收集 数据收集是大数据处理的第一步。这可以通过多种方式进行，如传感器、网页抓取、日志记录等。
3、大数据的处理过程一般包括如下：数据采集：收集各种数据来源的数据，包括传感器数据、日志文件、社交媒体数据、交易记录等。数据采集可以通过各种方式进行，如API接口、爬虫、传感器设备等。数据存储：将采集到的数据存储在适当的存储介质中，例如关系型数据库、分布式文件系统、数据仓库或云存储等。
1、结构化分析常用的工具有数据流图、数据字典、实体关系图和状态转换图。首先，数据流图（Data Flow Diagram，DFD）是一种用于表示系统内部和系统之间数据流动的图形化工具。DFD可以清晰地展示数据流、数据处理和数据存储之间的关系，有助于分析人员更好地理解系统的数据流程。
2、在软件开发中，需求分析阶段常使用的工具有数据流图（DFD）、数据字典（DD）、判断树和判断表。
3、常用的分析工具有：逻辑树、问题树、演绎树、分解树 将问题的所有子问题分层罗列；从最高层到最底层进行逐步下层扩展。举例：把一个已知问题当成树干，找出问题所有相关项目。
Bigtable 是一个分布式的结构化数据存储系统，它被设计用来处理海量数据：通常是分布在数千台普通服务器上的PB 级的数据。Google 的很多项目使用Bigtable 存储数据，包括Web 索引、GoogleEarth、Google Finance。
BigTable 实 质：分布式数据存储系统 性 质：数据库 BigTable是Google设计的分布式数据存储系统，用来处理海量的数据的一种非关系型的数据库。
云存储技术。bigtable分布式数据存储系统，是Google为其内部海量的结构化数据开发的云存储技术。bigtable是Google的第三项云计算关键技术，是所有云时代分布式存储系统的开发蓝本，在超过60个Google的产品和项目上得到了应用。
HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。
hbase shell：HBase是一个分布式的、面向列的开源数据库，源于google的一篇论文《bigtable：一个结构化数据的分布式存储系统》。HBase是Google Bigtable的开源实现，它利用Hadoop HDFS作为其文件存储系统，利用Hadoop MapReduce来处理HBase中的海量数据，利用Zookeeper作为协同服务。
BigTable是Google设计的分布式数据存储系统，用来处理海量的数据的一种非关系型的数据库。BigTable是非关系的数据库，是一个稀疏的、分布式的、持久化存储的多维度排序Map。Bigtable的设计目的是可靠的处理PB级别的数据，并且能够部署到上千台机器上。