一、結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)

結(jié)構(gòu)化數(shù)據(jù)

結(jié)構(gòu)化的數(shù)據(jù)一般是指可以使用關(guān)系型數(shù)據(jù)庫表示和存儲，可以用二維表來邏輯表達(dá)實現(xiàn)的數(shù)據(jù)。

一般特點是：數(shù)據(jù)以行為單位，一行數(shù)據(jù)表示一個實體的信息，每一行數(shù)據(jù)的屬性是相同的，存儲在數(shù)據(jù)庫中；能夠用數(shù)據(jù)或統(tǒng)一的結(jié)構(gòu)加以表示，如數(shù)字、符號；能夠用二維表結(jié)構(gòu)來邏輯表達(dá)實現(xiàn)，包含屬性和元組，如：成績單就是屬性，90分就是其對應(yīng)的元組。

傳統(tǒng)的關(guān)系數(shù)據(jù)模型、行數(shù)據(jù)，存儲于數(shù)據(jù)庫，可用二維表結(jié)構(gòu)表示。而結(jié)構(gòu)化的數(shù)據(jù)的存儲和排列是很有規(guī)律的，這對查詢和修改等操作很有幫助。

對于結(jié)構(gòu)化數(shù)據(jù)來講通常是先有結(jié)構(gòu)再有數(shù)據(jù)，而對于半結(jié)構(gòu)化數(shù)據(jù)來說則是先有數(shù)據(jù)再有結(jié)構(gòu)。

半結(jié)構(gòu)化數(shù)據(jù)

半結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)的一種形式，它并不符合關(guān)系型數(shù)據(jù)庫或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來的數(shù)據(jù)模型結(jié)構(gòu)，但包含相關(guān)標(biāo)記，用來分隔語義元素以及對記錄和字段進(jìn)行分層，數(shù)據(jù)的結(jié)構(gòu)和內(nèi)容混在一起，沒有明顯的區(qū)分，因此，它也被稱為自描述的結(jié)構(gòu)，簡單的說半結(jié)構(gòu)化數(shù)據(jù)就是介于完全結(jié)構(gòu)化數(shù)據(jù)和完全無結(jié)構(gòu)的數(shù)據(jù)之間的數(shù)據(jù)。例如：HTML文檔，JSON，XML和一些NoSQL數(shù)據(jù)庫等就屬于半結(jié)構(gòu)化數(shù)據(jù)。

非結(jié)構(gòu)化數(shù)據(jù)

非結(jié)構(gòu)化數(shù)據(jù)顧名思義，就是沒有固定結(jié)構(gòu)的數(shù)據(jù)。包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報表、圖像和音頻/視頻信息等等都屬于非結(jié)構(gòu)化數(shù)據(jù)。對于這類數(shù)據(jù)，我們一般直接整體進(jìn)行存儲，而且一般存儲為二進(jìn)制的數(shù)據(jù)格式。

典型的人為生成的非結(jié)構(gòu)化數(shù)據(jù)包括：

文本文件：文字處理、電子表格、演示文稿、電子郵件、日志。

社交媒體：來自新浪微博、微信、QQ、Facebook，Twitter，LinkedIn等平臺的數(shù)據(jù)。

網(wǎng)站： YouTube，Instagram，照片共享網(wǎng)站。

移動數(shù)據(jù)：短信、位置等。

通訊：聊天、即時消息、電話錄音、協(xié)作軟件等。

媒體：MP3、數(shù)碼照片、音頻文件、視頻文件。

業(yè)務(wù)應(yīng)用程序：MS Office文檔、生產(chǎn)力應(yīng)用程序。

典型的機器生成的非結(jié)構(gòu)化數(shù)據(jù)包括：

衛(wèi)星圖像：天氣數(shù)據(jù)、地形、軍事活動。

科學(xué)數(shù)據(jù)：石油和天然氣勘探、空間勘探、地震圖像、大氣數(shù)據(jù)。

數(shù)字監(jiān)控：監(jiān)控照片和視頻。

傳感器數(shù)據(jù)：交通、天氣、海洋傳感器。

延伸閱讀：

二、非結(jié)構(gòu)化數(shù)據(jù)背后的價值

結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)兩者之間最大的區(qū)別在于分析的便利性。針對結(jié)構(gòu)化數(shù)據(jù)存在成熟的分析工具，但用于挖掘非結(jié)構(gòu)化數(shù)據(jù)的分析工具正處于萌芽和發(fā)展階段。

除此之外，非結(jié)構(gòu)化數(shù)據(jù)比結(jié)構(gòu)化數(shù)據(jù)要多得多，隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，特別是Internet和其技術(shù)的飛快發(fā)展，使得非結(jié)構(gòu)化數(shù)據(jù)的數(shù)量日趨增大。

據(jù)IDC研究表明，到2025年，全球數(shù)據(jù)量將會從2016年的16 ZB上升至163ZB。知名研究機構(gòu)Garter也表示，全球信息量正在以59% 以上的年增長率快速增長。

而在這些數(shù)據(jù)中，結(jié)構(gòu)化數(shù)據(jù)僅占到全部數(shù)據(jù)量的20%，其余80%都是以文件形式存在的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，日志文件、機器數(shù)據(jù)等又占據(jù)非結(jié)構(gòu)化數(shù)據(jù)的90%。