9大数据类型

① 数据库数据类型有哪些

Oracle
数字类型

基本类型为 NUMBER(P，S)
P范围1到
S 范围 -84 到 127

以下为与ANSI SQL兼容而使用：

FLOAT 浮点数
REAL 单精度浮点数
DOUBLE PRECISION 双精度浮点数
NUMERICDECIMAL 小数
INTEGERINT 整数
SMALLINT 小整数

BINARY_FLOAT 浮点数Oracle10g R1以后。6位精度，5字节
BINARY_DOUBLE浮点数Oracle10g R1以后，13位精度，9字节

字符类型
CHAR 定长字符串，最长2000字节
NCHAR 定长字符串，存储的数据为 NLS字符
VARCHAR2 变长字符串，最长4000字节
NVARCHAR2 变长字符串，存储的数据为 NLS字符

LONG 最大存储2G字符数据不推荐使用（改用CLOB）
CLOB Oracle 9i 及以前，最大4G字符数据Oracle10g 最大4G*数据库块大小的字符数据
NCLOB 基本同CLOB，就是存储的数据为NLS

日期类型
包含世纪、年、月、日、时、分、秒。
占用7个字节，上面每个部分1个字节

TIMESTAMP 日期时间可以包含到小数秒
TIMESTAMP WITH TIME ZONE 包含时区信息
TIMESTAMP WITH LOCAL TIME ZONE包含时区信息，自动调整

二进制类型
RAW 变长二进制数据，最大2000字节
LONG RAW 最大2G二进制数据建议改用 BLOB数据类型
BLOB Oracle 9i 及以前，最大4G二进制数据Oracle10g 最大4G*数据库块大小的数据

其他类型
BFILE 只读方式访问文件系统
ROWID 数据库一行的10字节地址
UROWID 通用ROWID，用于索引组织表

② 什么是数据类型

数据类型就是数据的形式，比如整数，小数

③ 什么是大数据 大数据是什么意思

大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

(3)9大数据类型扩展阅读

大数据的价值体现在以三方面：

1、对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；

2、做小而美模式的中小微企业可以利用大数据做服务转型；

3、面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。

④ 大数据技术有哪些

随着大数据分析市场迅速扩展，哪些技术是最有需求和最有增长潜力的呢？在Forrester Research的一份最新研究报告中，评估了22种技术在整个数据生命周期中的成熟度和轨迹。这些技术都对大数据的实时、预测和综合洞察有着巨大的贡献。
1. 预测分析技术
这也是大数据的主要功能之一。预测分析允许公司通过分析大数据源来发现、评估、优化和部署预测模型，从而提高业务性能或降低风险。同时，大数据的预测分析也与我们的生活息息相关。淘宝会预测你每次购物可能还想买什么，爱奇艺正在预测你可能想看什么，百合网和其他约会网站甚至试图预测你会爱上谁……
2. NoSQL数据库
NoSQL，Not Only SQL，意思是“不仅仅是SQL”，泛指非关系型数据库。NoSQL数据库提供了比关系数据库更灵活、可伸缩和更便宜的替代方案，打破了传统数据库市场一统江山的格局。并且，NoSQL数据库能够更好地处理大数据应用的需求。常见的NoSQL数据库有HBase、Redis、MongoDB、Couchbase、LevelDB等。
3. 搜索和知识发现
支持来自于多种数据源(如文件系统、数据库、流、api和其他平台和应用程序)中的大型非结构化和结构化数据存储库中自助提取信息的工具和技术。如，数据挖掘技术和各种大数据平台。
4. 大数据流计算引擎
能够过滤、聚合、丰富和分析来自多个完全不同的活动数据源的数据的高吞吐量的框架，可以采用任何数据格式。现今流行的流式计算引擎有Spark Streaming和Flink。
5. 内存数据结构
通过在分布式计算机系统中动态随机访问内存(DRAM)、闪存或SSD上分布数据，提供低延迟的访问和处理大量数据。
6. 分布式文件存储
为了保证文件的可靠性和存取性能，数据通常以副本的方式存储在多个节点上的计算机网络。常见的分布式文件系统有GFS、HDFS、Lustre 、Ceph等。
7. 数据虚拟化
数据虚拟化是一种数据管理方法，它允许应用程序检索和操作数据，而不需要关心有关数据的技术细节，比如数据在源文件中是何种格式，或者数据存储的物理位置，并且可以提供单个客户用户视图。
8. 数据集成
用于跨解决方案进行数据编排的工具，如Amazon Elastic MapRece (EMR)、Apache Hive、Apache Pig、Apache Spark、MapRece、Couchbase、Hadoop和MongoDB等。
9. 数据准备
减轻采购、成形、清理和共享各种杂乱数据集的负担的软件，以加速数据对分析的有用性。
10. 数据质量
使用分布式数据存储和数据库上的并行操作，对大型高速数据集进行数据清理和充实的产品。

⑤ 大数据包括哪些

大数据技术庞大复杂，基础的技术包含数据的采集、数据预处理、分布式存储、NoSQL数据内库、容数据仓库、机器学习、并行计算、可视化等各种技术范畴和不同的技术层面。
大数据主要技术组件：Hadoop、HBase、kafka、Hive、MongoDB、Redis、Spark 、Storm、Flink等。
大数据技术包括数据采集，数据管理，数据分析，数据可视化，数据安全等内容。数据的采集包括传感器采集，系统日志采集以及网络爬虫等。数据管理包括传统的数据库技术，nosql技术，以及对于针对大规模数据的大数据平台，例如hadoop，spark，storm等。数据分析的核心是机器学习，当然也包括深度学习和强化学习，以及自然语言处理，图与网络分析等。

⑥ 关于数据类型

3．单精度型（Single）用来表示带有小数部分的实数
用4个字节存储，单精度浮点数最多有7位十进制有效数字，单精度浮点数的指数用“E”或“e”表示。
单精度数有多种表示形式：±n.n(小数形式) ±n E ±m(指数形式) ±n.n E ±m (指数形式)
例如：123.45、0.12345E+3、123.45！都是同值的单精度数。
如果某个数的有效数字位数超过7位，当把它定义为单精度变量时，超出的部分会自动四舍五入。
4．双精度型（Double）
用8个字节存储。多精度浮点数最多有15或16位十进制有效数字，多精度浮点数的指数用“D”或“d”表示。
科学记数法格式 ：±aD±c或±ad±c
例如：314.159265358979D-2表示3.14159265358979。
Single和Double采用浮点数表示，范围较大，但存储的数据为近似值，单精度型精确到7位，双精度型精确到15---16位，而Currency型采用定点数表示，虽范围较小（15位整数，4位小数），但存储的数据精确，适合于作金融计算。

补充http://..com/question/38065564.html