大数据的结构化、非结构化、半结构化及多结构化

阅读大数据有关文章时，很多类似数据如何被结构化、非结构化、半结构化、多结构化的概念讨论会出现。通常大数据都是非结构性的，而传统数据是结构性的。只不过二者之间的差异并非绝对清晰。

应该说，大多数传统数据都是结构性的。这说明传统数据具有明确的、预先规范好的细节的格式等特点。任何一个时候出现的新数据都是以这样的模式呈现的。对股票交易来说，交易信息的第一部分格式就是月份/日期/年份等时间信息，然后就是12位的账户数字，接下来是3-5位字母所表示的股票代码。信息的格式事先就已经定好了，再由规范好的格式和顺序给出，这样的话处理起来就比较简单。

人们在面对非结构性的数据时，常常是没有控制权的，能做的就是接收它们。像是文本数据、视频数据、音频数据等等都是这样。图像是独立像素用特定的方式组合起来的，只不过组合的方式是千变万化的。完全非结构性的数据就是如此。事实上大多数的大数据应该算是半结构化的。

半结构性的数据还是具备可理解的逻辑流程和格式，只是这些格式并非对用户都表现出了友好的姿态。半结构性的数据从某种程度上也可以被称作是多结构性的数据。此类数据，大量无价值的数据包裹着有价值的数据。相同情况下，理解和分析半结构性的数据难度要大很多。因此要用一套复杂的规则来理解半结构性的数据，只有在读了每一条信息之后才能动态地决定处理方法。(www.daowen.com)

半结构性数据中最典型的就是网络日志。人们看到网络日志时，会觉得很丑陋，事实上它们中的每一条信息都有特定的价值。

非结构性的大数据源并不常见，反倒是大量的半结构性数据和多结构性数据比较常见。它们拥有可理解的逻辑流程，从中能提取出能用于分析的信息。只不过要驾驭半结构化的数据，必须有时间的保障，这才是处理它们的最佳方式。

网络日志的信息是有逻辑的，尽管很多时候很难看出来。日志中字段和分隔符都是不同的，仿佛是结构性的数据一般，包含了大量的价值。只不过它们彼此间非以固定的方式相联系。不同网站上的网络日志点击所用的时间长短不一。另外，半结构性的数据要理解其内在的逻辑并非不可能的，只不过要花上一段时间才行。

分析专家似乎更怕非结构性数据，半结构性的数据对他们来说，要征服是需要付出努力的，而他们也能够做得到。分析专家首先要把半结构性的数据组织成结构性的，然后再在他们的分析流程中运用。而对于非结构性的数据来说，困难就会大很多。即便是已经征服了半结构性的数据，他们要面对非结构性的数据时还是会感觉是个巨大的挑战。