Page 111 - 起重机械设备安全技术检验及评价

第三章 起重机械安全管理

发布越来越容易，产生数据的途径增多，个人甚至成为了数据产生的主体之一，
数据呈爆炸的形式快速增长，新数据不断涌现，快速增长的数据量要求数据处理
的速度也要相应的提升，才能使得大量的数据得到有效的利用，否则不断激增的

数据不但不能为解决问题带来优势，反而成了快速解决问题的负担。同时，数据
不是静止不动的，而是在互联网络中不断流动，且通常这样的数据的价值是随着
时间的推移而迅速降低的，如果数据尚未得到有效的处理，就失去了价值，大量
的数据就没有意义。此外，在许多应用中要求能够实时处理新增的大量数据，比

如有大量在线交互的电子商务应用，就具有很强的时效性，大数据以数据流的形
式产生、快速流动、迅速消失，且数据流量通常不是平稳的，会在某些特定的时
段突然激增，数据的涌现特征明显，而用户对于数据的响应时间通常非常敏感，
心理学实验证实，从用户体验的角度，瞬间（moment，3 秒钟）是可以容忍的最

大极限，对于大数据应用而言，很多情况下都必须要在 1 秒钟或者瞬间内形成结
果，否则处理结果就是过时和无效的，这种情况下，大数据要求快速、持续的实
时处理。对不断激增的海量数据数据的实时处理要求，是大数据与传统海量数据
处理技术的关键差别之一。

（4）数据价值密度低
数据价值密度低是大数据关注的非结构化数据的重要属性。传统的结构化数
据，依据特定的应用，对事物进行了相应的抽象，每一条数据都包含该应用需要
考量的信息，而大数据为了获取事物的全部细节，不对事物进行抽象、归纳等处

理，直接采用原始的数据，保留了数据的原貌，且通常不对数据进行采样，直接
采用全体数据，由于减少了采样和抽象，呈现所有数据和全部细节信息，可以分
析更多的信息，但也引入了大量没有意义的信息，甚至是错误的信息，因此相对
于特定的应用，大数据关注的非结构化数据的价值密度偏低，以当前广泛应用的

监控视频为例，在连续不间断监控过程中，大量的视频数据被存储下来，许多数
据可能是无用，对于某一特定的应用，比如获取犯罪嫌疑人的体貌特征，有效的
视频数据可能仅仅有一两秒，大量不相关的视频信息增加了获取这有效的一两秒
数据的难度。但是大数据的数据密度低是指相对于特定的应用，有效的信息相对

于数据整体是偏少的，信息有效与否也是相对的，对于某些应用是无效的信息对
于另外一些应用则成为最关键的信息，数据的价值也是相对的，有时一条微不足
道的细节数据可能造成巨大的影响，比如网络中的一条几十个字符的微博，就可

103