از عبارت "big data" اغلب در تنظیمات شرکت، پروژه (Enterprise) برای توصیف مقادیر زیادی داده (Data) استفاده می‌شود. به مقدار خاصی از داده اشاره نمی کند، بلکه مجموعه داده ای را توصیف می کند که نمی توان آن را با استفاده از نرم افزار سنتی پایگاه داده (Database) ذخیره یا پردازش کرد.
نمونه هایی از داده های بزرگ عبارتند از گوگل (Google)
بسیاری از سیستم‌های مدیریت پایگاه داده سنتی محدودیت‌هایی برای ذخیره‌سازی داده‌ها دارند. به عنوان مثال، یک پایگاه داده Access 2010 فقط می تواند حاوی دو گیگابایت (Gigabyte) داده باشد که ذخیره چندین پتابایت (Petabyte) یا اگزابایت (Exabyte) داده را غیرممکن می کند. حتی اگر یک DBMS بتواند حجم زیادی از داده را ذخیره کند، ممکن است در صورت ایجاد تعداد بیش از حد جدول (Table) یا رکورد (Record) ناکارآمد عمل کند، که می تواند منجر به عملکرد کند شود. راه حل های کلان داده این مشکلات را با ارائه سیستم های ذخیره سازی بسیار پاسخگو و مقیاس پذیر حل می کنند.
چندین راه حل مختلف داده های بزرگ نرم افزار (Software) وجود دارد، از جمله پلت فرم های ذخیره سازی داده ها و برنامه های تجزیه و تحلیل داده ها. برخی از رایج ترین محصولات نرم افزاری کلان داده عبارتند از Apache Hadoop، IBM's Big Data Platform، Oracle بانک اطلاعاتی نه فقط اس کیو ال (NoSQL) Database، Microsoft HDInsight، و EMC Pivotal One.
تعریف اطلاعات بزرگ (Big Data) در این صفحه یک تعریف پایه نگاشته شده توسط تک بورد است. اگر مایل به ارجاع به این صفحه یا استناد به این تعریف هستید، با شرط درج لینک به این صفحه می توانید از این محتوا استفاده کنید.
هدف تک بورد توضیح اصطلاحات کامپیوتری به روشی است که به راحتی قابل درک باشد. ما برای سادگی و دقت با هر تعریفی که منتشر می کنیم تلاش می کنیم. اگر بازخوردی درباره تعریف اطلاعات بزرگ (Big Data) دارید یا می‌خواهید یک اصطلاح فنی جدید پیشنهاد کنید، لطفاً با ما تماس بگیرید.
آیا می خواهید اصطلاحات فنی بیشتری یاد بگیرید؟ در خبرنامه روزانه یا هفتگی مشترک شوید و شرایط و آزمون های ویژه را در ایمیل خود تحویل بگیرید.