1. 數據挖掘中數據存儲的重要性
隨著互聯網的蓬勃興起，物聯網，雲計算，大數據，人工智慧在大眾視野出現的越來越頻繁了。
雲計算相當於人的大腦，是物聯網的神經中樞。雲計算是基於互聯網的相關服務的增加、使用和交付模式，通常涉及通過互聯網來提供動態易擴展且經常是虛擬化的資源。
大數據相當於人的大腦從小學到大學記憶和存儲的海量知識，這些知識只有通過消化，吸收、再造才能創造出更大的價值。
人工智慧打個比喻為一個人吸收了人類大量的知識（數據），不斷的深度學習、進化成為一方高人。人工智慧離不開大數據，更是基於雲計算平台完成深度學習進化。
而物聯網是互聯網的應用拓展，類似以前的「互聯網+」，也就是結合互聯網的業務和應用，核心是以用戶體驗為核心的應用創新。
我們主要講一下其中的「大數據」。
大數據的定義
在 2001 年左右，Gartner 就大數據提出了如下定義（目前仍是關於大數據的權威解釋）：大數據指高速 (Velocity) 涌現的大量 (Volume) 的多樣化 (Variety) 數據。這一定義表明大數據具有 3V 特性。
簡而言之，大數據指越來越龐大、越來越復雜的數據集，特別是來自全新數據源的數據集，其規模之大令傳統數據處理軟體束手無策，卻能幫助我們解決以往非常棘手的業務難題。
大數據的價值和真實性
在過去幾年裡，大數據的定義又新增加了兩個 "V"：價值 (Value) 和 真實性 (Veracity)。
首先，數據固然蘊含著價值，但是如果不通過適當方法將其價值挖掘出來，數據就毫無用處。其次，只有真實、可靠的數據才有意義。
如今，大數據已成為一種資本，全球各個大型技術公司無不基於大數據工作原理，在各種大數據用例中通過持續分析數據提高運營效率，促進新產品研發，他們所創造的大部分價值無不來自於他們掌握的數據。
目前，眾多前沿技術突破令數據存儲和計算成本呈指數級下降。相比過去，企業能夠以更低的經濟投入更輕松地存儲更多數據，而憑借經濟、易於訪問的海量大數據，您可以輕松做出更准確、更精準的業務決策。
然而，從大數據工作原理角度來講，大數據價值挖掘是一個完整的探索過程而不僅僅是數據分析，它需要富有洞察力的分析師、業務用戶和管理人員在大數據用例中有針對性地提出有效問題、識別數據模式、提出合理假設並准確開展行為預測。
大數據的歷史
雖然大數據這個概念是最近才提出的，但大型數據集的起源卻可追溯至 1960 - 70 年代。當時數據世界正處於萌芽階段，全球第一批數據中心和首個關系資料庫便是在那個時代出現的。
2005 年左右，人們開始意識到用戶在使用 Facebook、YouTube 以及其他在線服務時生成了海量數據。同一年，專為存儲和分析大型數據集而開發的開源框架 Hadoop 問世，NoSQL 也在同一時期開始慢慢普及開來。
Hadoop 及後來 Spark 等開源框架的問世對於大數據的發展具有重要意義，正是它們降低了數據存儲成本，讓大數據更易於使用。在隨後幾年裡，大數據數量進一步呈爆炸式增長。時至今日，全世界的「用戶」— 不僅有人，還有機器 — 仍在持續生成海量數據。
隨著物聯網 (IoT) 的興起，如今越來越多的設備接入了互聯網，它們大量收集客戶的使用模式和產品性能數據，而機器學習的出現也進一步加速了數據量的增長。
然而，盡管已經出現了很長一段時間，人們對大數據的利用才剛剛開始。今天，雲計算進一步釋放了大數據的潛力，通過提供真正的彈性 / 可擴展性，它讓開發人員能夠輕松啟動 Ad Hoc 集群來測試數據子集。
大數據和數據分析的優勢：
1.大數據意味著更多信息，可為您提供更全面的洞察。
2.更全面的洞察意味著更高的可靠性，有助於您開發全新解決方案。
其次，大數據還具有大量、高速、多樣化、密度低四大特性。
大量性：大數據與傳統數據最大的差異在於資料量，資料量遠大於傳統數據，例如抖音數據流、網路點擊流，面對的是海量低密度的數據，大數據的數據量通常高達數十PB。也因為資料量大，無法以傳統的方式儲存處理，因此衍生出大數據這一新興科學。
高速性：大數據與傳統數據最大的不同點，就是生成速度快。由於網際網路興起與資訊設備普及，以用戶突破20億人的臉書為例，如果每個用戶每天發一條消息，就會有20億筆資料。每一個人隨時隨地都可以創造數據，數據生成的速度已非過去可比擬。
多樣性：多樣化是指可用的數據類型眾多，隨著大數據的興起，文本、音頻和視頻等數據類型不斷涌現，它們需要經過額外的預處理操作才能真正提供洞察和支持性元數據。由於形式多元復雜，大數據儲存也需要不同於傳統數據的儲存技術。
密度低：數據價值密度相對較低，隨著互聯網以及物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低。以視頻為例，一小時的視頻，在不間斷的監控過程中，可能有用的數據僅僅只有一兩秒。
大數據的挑戰
1.安全挑戰
盡管大數據由於應用范圍廣泛，已成為各領域的發展趨勢，但數據的公布有時會伴隨使用者隱私的曝光，比如FaceBook資料外泄、Google+個人外泄風波等因數據外泄而引發隱私問題的事件層出不窮。用戶的哪些數據是可以獲取、哪些是不允許讀取，始終存在侵犯用戶隱私的法律風險。
2..技術創新
大數據需要從底層晶元到基礎軟體再到應用分析軟體等信息產業全產業鏈的支撐，無論是新型計算平台、分布式計算架構，還是大數據處理、分析和呈現方面與國外均存在較大差距，對開源技術和相關生態系統的影響力仍然較弱，總體上難以滿足各行各業大數據應用需求。
3.成本過高
運營商需要處理的數據量巨大，基本都是以PB為單位，處理這些數據需要巨大的投入。
4.實時性
具有實時性的數據才有價值，存儲的數據數據時間越長，數據的價值就越低。在如今這個快節奏的社會，每一天的市場都瞬息萬變，品牌商通過大數據分析用戶的需求，如果得到的用戶數據太過陳舊，參考這些數據來規劃產品的方向，可能會對企業的發展造成毀滅性的打擊。
無論哪個行業，想要在當今的形勢下取得成功，都必須能夠不斷地從數據中挖掘業務價值，因此數據的保護離不開存儲器，當下市面上用於大數據的存儲器主要有固態硬碟，混合硬碟，傳統硬碟。
固態硬碟(SSD)，由控制單元和存儲單元，組成。固態硬碟的介面規格、定義、功能和用途與普通硬碟相同，形狀和尺寸也與普通硬碟相同。廣泛應用於軍事、車輛、工業控制、視頻監控、網路監控、網路終端、電力、醫療、航空、導航設備等領域。
優點：讀寫速度快；震動；低功耗。無噪音；工作溫度范圍廣；缺點：容量小；壽命有限；價格高。
混合硬碟是一種由傳統硬碟和快閃記憶體模塊組成的大容量存儲設備。快閃記憶體處理存儲器中最常寫入或恢復的數據。許多公司都在提供不同的技術，他們希望這些技術能在高端系統中流行起來，特別是筆記本電腦和掌上電腦。
與傳統硬碟相比，混合硬碟具有許多優勢：更快的數據存儲和恢復應用程序，如文字處理器；縮短系統啟動時間；降低功耗；減少熱量產生；延長硬碟壽命；筆記本電腦和筆記本電腦電池壽命；降低噪音水平：
傳統硬碟指的是機械硬碟（HDD），電腦最基本的內存，我們常說電腦硬碟C盤，D盤是磁碟分區，屬於硬碟。目前普通硬碟的容量有80G、128g、160g、256g、320g、500g、750g、1TB、2TB等，按容量可分為3.5英寸、2.5英寸、1.8英寸、5400rpm/7200rpm/10000rpm等。
通過物聯網產生、收集海量的數據存儲於雲平台，再通過大數據分析，甚至更高形式的人工智慧為人類的生產活動，生活所需提供更好的服務，這一切所產生的數據承載者——存儲器，在第四次工業革命進化的方向中，存儲行業也將是一顆亮眼的星。
2. 大數據分析一般用什麼工具分析
大數據分析的前瞻性使得很多公司以及企業都開始使用大數據分析對公司的決策做出幫助，而大數據分析是去分析海量的數據，所以就不得不藉助一些工具去分析大數據，。一般來說，數據分析工作中都是有很多層次的，這些層次分別是數據存儲層、數據報表層、數據分析層、數據展現層。對於不同的層次是有不同的工具進行工作的。下面小編就對大數據分析工具給大家好好介紹一下。
首先我們從數據存儲來講數據分析的工具。我們在分析數據的時候首先需要存儲數據，數據的存儲是一個非常重要的事情，如果懂得資料庫技術，並且能夠操作好資料庫技術，這就能夠提高數據分析的效率。而數據存儲的工具主要是以下的工具。
1、MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
2、SQL Server的最新版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
3、DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台;
接著說數據報表層。一般來說，當企業存儲了數據後，首先要解決報表的問題。解決報表的問題才能夠正確的分析好資料庫。關於數據報表所用到的數據分析工具就是以下的工具。
1、Crystal Report水晶報表，Bill報表，這都是全球最流行的報表工具，非常規范的報表設計思想，早期商業智能其實大部分人的理解就是報表系統，不藉助IT技術人員就可以獲取企業各種信息——報表。
2、Tableau軟體，這個軟體是近年來非常棒的一個軟體，當然它已經不是單純的數據報表軟體了，而是更為可視化的數據分析軟體，因為很多人經常用它來從資料庫中進行報表和可視化分析。
第三說的是數據分析層。這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具;
1、Excel軟體，首先版本越高越好用這是肯定的;當然對Excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作!但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體;
2、SPSS軟體：當前版本是18，名字也改成了PASW Statistics;我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體。
最後說表現層的軟體。一般來說表現層的軟體都是很實用的工具。表現層的軟體就是下面提到的內容。
1、PowerPoint軟體：大部分人都是用PPT寫報告。
2、Visio、SmartDraw軟體：這些都是非常好用的流程圖、營銷圖表、地圖等，而且從這里可以得到很多零件;
3、Swiff Chart軟體：製作圖表的軟體，生成的是Flash
3. 紫光國微行業分析,002049行業分析
近來，科技板塊表現突出，相關個股的上漲很多，市場上的投資者也將目光投向了科技板塊。今天我們就來具體講講科技板塊中細分行業，特種集成電路行業的領頭羊--紫光國微。
在開始分析紫光國微前，給大家分享我排好名次的特種集成電路行業龍頭股名單，點擊即可獲得： 寶藏資料：特種集成電路行業龍頭股一覽表
一、從公司角度來看
公司介紹：紫光國微是國內特種集成電路老大，主營集成電路晶元設計與銷售，壓電石英晶體元器件的開發、生產與銷售，LED藍寶石襯底材料生產和銷售。此公司生產的產品主要有SIM卡晶元、銀行IC卡晶元、存儲器、匯流排器件等。
大家瀏覽完了紫光國微的基本情況，下面了解一下紫光國微公司有什麼優勢，適不適合投資呢？
亮點一：擁有創新技術以及眾多的知識產權
公司在創新技術方面有很突出的表現，建立了單片及組件匯流排產品的設計、驗證和測試平台，現場可編程技術與系統集成晶元被結合，現已成功研發了具備現場可編程功能的高性能系統集成產品；通過多年的努力開發實踐之下，公司在集成電路的設計和產業化方面積累了很多的經驗，在智能安全晶元、特種集成電路等核心產品領域，人才和知識產權優勢超越業內，擁有多項發明專利，讓產品核心競爭力的提升確立了堅固的基礎。
亮點二：突出的市場渠道與品牌優勢
公司積累的客戶資源也是十分雄厚的，與全球各大行業客戶形成緊密合作，產品在全球各地的市場上都有賣。並且與智慧連接、智慧金融等方面廠商開展長遠的戰略配合，晶元生態系統越來越發展強大，品牌知名度和影響力一直在提高。 將來，公司將不斷注重市場需求，抓住物聯網、工業互聯網、汽車電子以及數字貨幣等方面快速進展的機會，發揚技術、人才方面的優勢，把不一樣的產品與服務提供，與此同時在產業鏈上下游市場上進行了積極開拓，在獲得資本市場力量幫助的情況下，達成了公司戰略發展的目標，不斷地在行業內學習與探索，使自己變得更強大。
篇幅有規定，更多關於紫光國微的深度報告和風險提示，學姐已經整合到這篇研報里了，直接戳這里就可以了： 【深度研報】紫光國微點評，建議收藏！
一、從行業角度來看
科技板塊成長性很強，處在一條景氣度十足的賽道上。作為科技板塊的細分行業，特種集成電路廣泛地應用在現代軍事武器中，美國的科技封鎖、我國的政策支持以及國防信息化的需求牽引為我國特種集成電路產業提供更好的發展環境。因為資質、技術、市場等都屬於該行業的多重壁壘，競爭格局基本穩定；下游智能晶元的需求空間非常大，這也給國產提供了充分的替代空間，行業內還有非常充足的發展餘地。紫光國微子藉助其多年技術的積累、充足的產品線、涉及面廣的市場布局，有希望在國產化的大背景下，使市場優勢地位更加穩固，從而在行業的發展當中優先獲得紅利。
綜合而言，本人認為紫光國微現在已經屬於特種集成電路行業里的龍頭老大，能夠在這個行業轉變的關頭，趁著時代較好，迎來高速發展。不過文章還是存在滯後性的，比較好奇紫光國微未來行情的話，戳一下這個鏈接就可以了，會有專業的投顧為你提供診股的幫助，能夠知道紫光國微現在行情是不是在一個買入或賣出的好時機：【免費】測一測紫光國微還有機會嗎？
應答時間：2021-09-09，最新業務變化以文中鏈接內展示的數據為准，請點擊查看
4. 數字經濟時代，高性能數據分析存儲迎來新機遇
數字經濟時代，數據已成為新的核心生產要素，其重要戰略資源地位和核心科學決策作用已日漸凸顯。數據潛能的激發，有賴於數據的採集、存儲、計算、管理和應用，其中，作為數據採集後進行處理的第一道關口，數據存儲無疑是數字經濟最重要的「底盤」。
海量數據爆發，數據存儲成關鍵
當前，數據呈現指數級增長，數據規模已經從之前的GB、TB、PB，上升到EB級、甚至ZB級。據Hyperion預測，到2025年，全球數據空間將增長到163ZB，這是2011年HPC產生數據16.1ZB的10倍。爆炸式增長的數據，哺育了數字技術發展和應用，但是同時也對計算和存儲提出了更高的要求。
在高性能計算（HPDA）中，計算、存儲、網路三大部件缺一不可。以前，產業創新的焦點都在追求更高的算力。而隨著大數據、多樣性算力等相關技術的快速發展，高性能計算的重心開始從以計算為核心，向以數據為中心的計算演進；傳統HPC開始向高性能數據分析（HPDA）方向演進。據IDC統計，全球67%的高性能計算中心（HPC）已經在使用AI、大數據相關技術，HPC與AI、大數據加速融合，走向以數據密集型為典型特徵的高性能數據分析HPDA時代。
HPDA時代下，各行業數據量迎來了井噴式增長。地震勘探從二維向三維的演進中，數據量增加了10-20倍；電影渲染從2K升級到8K的革命中，數據量增長16倍；衛星測繪領域，探測精準度由20米縮小到2米，數據量同比增長近70倍。
數據規模激增之外，業務模型復雜以及分析效率較低等挑戰，也都在呼喚著更高效率的存儲。
存儲作為數據的承載者，逐步成為推動HPC產業發展的新動能。然而，傳統的HPC存儲在混合負載性能、成本、跨協議訪問等多方面存在壁壘，無法匹配HPDA場景的需求。如何打破存儲性能、成本、效率的限制，充分釋放數據潛能，成為制約HPC產業升級換代的掣肘。
高性能數據分析存儲，加速HPC產業發展
當前，作為數據應用和數據分析的支撐平台，以及 科技 強國的關鍵基礎設施，數據存儲已成為國之重器，在金融核心交易、新型油氣勘探、基因測序、自動駕駛、氣象預測、宇宙 探索 等領域發揮重要作用。數據的存儲與處理能力已經成為提升政府管理水平、提高企業經營效率、增強企業發展韌性的關鍵，數據存儲正成為加速數字化轉型的堅實底座。
新的產業變化以及數據存儲的重要地位，對高端存儲提出了新的挑戰，同時也在加速存儲技術的革新——從HPC部分場景向HPC/HPDA全場景擴展，存儲開始承擔起加速產業向「數據密集型」轉型的重任。根據國際權威分析師機構Hyperion Research 2020年針對HPC市場空間的數據顯示，數據存儲的增速第一，遠高於整體市場平均增速。
高性能數據分析（HPDA）存儲，能夠匹配各HPDA場景的高端存儲，可以讓基因測序、氣象海洋、超算中心、能源勘探、科研與工業創新、智能醫療、深度學習、人臉識別等數據密集型HPDA應用場景，在效率、品質、性價比等方面實現飛躍式提升。
值得注意的是，華為OceanStor Pacific系列下一代高性能數據分析（HPDA）存儲，可以高效應對超高密設計、混合負載設計以及多協議互通上的關鍵挑戰，推動HPC產業向數據密集型升級。目前已經成功應用於自動駕駛、基因測序、氣象預測、衛星遙感等眾多國內外高性能計算場景企業及機構。
存儲作為高性能數據分析的重要引擎，正全面釋放HPC的應用價值，驅動著HPC產業不斷進步，跨越「計算密集型」到「數據密集型」的鴻溝，持續推動人類 社會 繁榮 健康 發展。
5. 「東數西算」全面啟動：數據大遷徙背後，看見存儲產業的未來輪廓
近日，國家發展改革委等部門聯合印發文件，同意在京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏啟動建設國家算力樞紐節點，並規劃了10個國家數據中心集群。至此，全國一體化大數據中心體系完成總體布局設計，「東數西算」已成為國家級戰略工程，浩浩盪盪地站上了 歷史 舞台。
「東數西算」被認為是繼「南水北調」「西電東送」「西氣東輸」之後的又一重大基礎設施工程，將成為「新基建」的新抓手。具體而言，「東數西算」就是將東部產生的數據和需求，放到西部數據中心去計算和處理。這有利於為數據中心提供源源不斷的可再生能源，大幅降低其運行維護成本，同時能夠推動中國數字經濟和西部地區發展。
乘著「東數西算」的政策東風，存儲、計算產業也將迎來巨大的發展機遇。其中，基於分布式存儲架構的SDS（軟體定義存儲）作為先鋒力量、「熱門選手」，天生具有可擴展性以及靈活性，必然會為新基建時代帶來革命性的數據儲存手段。
然而，機遇往往與挑戰並存，一個不能忽略的問題是，隨著東數西算工程縱深推進，存儲需求激增，同時5G、AI、雲等技術加速更迭的背景下，與之相伴而生的SDS由於還在沿用十年前的技術，也必然需要同頻進化。
01
被行業擁簇的SDS（軟體定義存儲）
2013年，「軟體定義一切」被首次提出時，還是個令人懷疑的技術暢想。尤其是當它與存儲綁定在一起，在一些傳統儲存廠商眼裡是不著邊際的。但事實證明，SDS(軟體定義存儲)的誕生，不僅優化了傳統存儲的弊端，並在日後的十年裡逐漸繁榮。
根據IDC公布的2021年三季度中國軟體定義存儲(SDS)市場報告顯示，前三季度中國SDS市場獲得高速增長,市場規模同比增長54%，成為中國存儲市場的增長引擎。早就發布過軟體定義是趨勢的Gartner預測，到2024年，全球50%的存儲容量將以軟體定義存儲的形式部署，包括本地部署或在公有雲上。
SDS在市場上的狂飆突進，一方面是基於創新技術。近幾年，由於數據爆炸式增長，存儲系統的軟硬體緊耦合設計嚴重地限制了存儲技術的發展，而軟體定義存儲則可以實現軟硬解耦，讓硬體成本盡可能的降低，使得軟體發揮更大價值。通過軟體的設計，來決定存儲的性能和邊界，不用再受硬體設備、伺服器的限制。其方向在於幫助用戶在傳統數據中心或雲內實現存儲資源的池化和服務化，以及在多雲之間實現數據的統一管理和自由流動。
另一方面，是源於 歷史 的進程，被時代選擇。隨著雲計算、大數據和人工智的發展，非結構數據爆發式增長——文本、圖像、影視、超媒體等，面對這些數據，傳統存儲方式難以招架，而SDS存儲正是包含針對文件的存儲、對象的存儲，自然就成了相關行業的首選。此外，企業雲化在近幾年成為了主流。在上雲浪潮下，不同種類業務在池化的資源池中拿到相匹配的資源。這種業務場景天然適合軟體定義存儲的分布式架構、軟體定義、水平擴展、基於統一存儲引擎向上提供多種介面等特性。
02
SDS已站在新十年的轉彎處
帶著這樣的優勢，伴隨著行業的擁簇，SDS轉眼已來到新十年的轉彎處。周遭環境飛速變化，數字浪潮奔騰洶涌，一些廠商、企業赫然發現，這個階段的SDS竟然依然處於1.0時代，還在沿用十年前的開源技術，基於舊的硬體架構設計，似乎已無法更好的應對未來的新興需求。
例如，與10多年前相比，現在的存儲硬體、網路以及相關的技術方案已經發生了很多的變化，如果在軟體層面不做出新的變革，數據存儲系統就無法發揮出最大的價值。
還有介質方面，存儲已經實現了大規模的從機械硬碟向SSD固態硬碟的過渡，由此帶來了超高的IOPS、超低的時延；網路的提升更是驚人，100G已經司空見慣，400G也已經漸行漸近。
當然，也面臨著「雲」的追趕。我們都知道，目前，企業雲化已經成為必答題，雲的發展日新月異，從私有雲到多公有雲、邊緣雲、分布式雲，企業選擇上雲的部署方式越來越多元，數據可能存放在任意的地理位置，存儲平台需要構建全局統一的存儲資源池，讓數據在多數據中心、混合多雲和邊緣中按需流動，這都是目前SDS1.0需要突破的挑戰。
03
觸摸存儲未來的輪廓，ExponTech搶先邁向SDS2.0
作為數據基礎設施整體解決方案提供商—ExponTech華瑞指數雲率先提出SDS2.0概念。在ExponTech看來，SDS從1.0需要邁向2.0時代，進化為2.0後，會為行業帶來眼前一新的改變。
比如，SDS 2.0將支持可組合式架構，整合私有雲、多個公有雲，邊緣雲中的存儲資源，提供不同IO模型，不同性能和可靠性要求以及許多種協議介面(iSCSI、S3、POSIX、NFS、CIFS、CSI、HDFS等)的自由組合及靈活部署使用。
還有，SDS2.0將與雲原生高度協同。無論在計算、網路、數據亦或業務的層面，都可以按照雲原生的架構模式、部署模式和運營模式，實現與時俱進的進化。SDS 2.0需要按照雲原生的方式，支持和適配企業雲原生應用的發展。
最後，具備向上服務能力。SDS2.0在做好基礎存儲的服務、流動的同時，還會向上管理資料庫，分發數據，幫助企業解決數據孤島問題。
不僅如此，ExponTech認為，SDS2.0未來近乎要實現一個飛躍式的革新，是需要在引擎和架構方面做出全新的設計。
由此，ExponTech前瞻性地發布自主研發的新一代分布式數據存儲引擎WiDE。和其他存儲相比， WiDE既可以提供多池架構下的IO調度和數據流動，企業可以存儲海量非結構數據，也能存儲要求高性能高可靠的結構化數據，還可以做高性能的數據分析，真正實現數據原生於一個數據平台上，只保留一份數據卻可以被各類應用以各種介面訪問，避免各種數據孤島和數據復制拷貝帶來的問題。
此外，WiDE還全面覆蓋數據新基建創新型應用場景。在覆蓋現有分布式存儲產品SDS1.0的主流業務場景之外， WiDE能在高性能數據分析HPDA、高性能雲主機、高性能資料庫底座、混合多雲數據平台等業務場景發揮作用，彌補之前高端應用場景下吞吐和時延的缺陷。
引擎WiDE的問世，將會在SDS2.0時代更好地幫助企業應對數字化時代面臨的業務快速迭代升級的需求，推動企業智能化。未來，ExponTech也將會打造更多前沿存儲產品，助力國內數據存儲和國產系統軟體的發展。
伴隨著對SDS2.0的展望和引擎WiDE的無限可能性，未來之窗的紗簾正在緩緩拉開，我們對於數字世界廣闊前景的想像，變得更為具體可感了。
END
6. 大數據時代下的三種存儲架構
大數據時代下的三種存儲架構_數據分析師考試
大數據時代，移動互聯、社交網路、數據分析、雲服務等應用的迅速普及，對數據中心提出革命性的需求，存儲基礎架構已經成為IT核心之一。政府、軍隊軍工、科研院所、航空航天、大型商業連鎖、醫療、金融、新媒體、廣電等各個領域新興應用層出不窮。數據的價值日益凸顯，數據已經成為不可或缺的資產。作為數據載體和驅動力量，存儲系統成為大數據基礎架構中最為關鍵的核心。
傳統的數據中心無論是在性能、效率，還是在投資收益、安全，已經遠遠不能滿足新興應用的需求，數據中心業務急需新型大數據處理中心來支撐。除了傳統的高可靠、高冗餘、綠色節能之外，新型的大數據中心還需具備虛擬化、模塊化、彈性擴展、自動化等一系列特徵，才能滿足具備大數據特徵的應用需求。這些史無前例的需求，讓存儲系統的架構和功能都發生了前所未有的變化。
基於大數據應用需求，「應用定義存儲」概念被提出。存儲系統作為數據中心最核心的數據基礎，不再僅是傳統分散的、單一的底層設備。除了要具備高性能、高安全、高可靠等特徵之外，還要有虛擬化、並行分布、自動分層、彈性擴展、異構資源整合、全局緩存加速等多方面的特點，才能滿足具備大數據特徵的業務應用需求。
尤其在雲安防概念被熱炒的時代，隨著高清技術的普及，720P、1080P隨處可見，智能和高清的雙向需求、動輒500W、800W甚至上千萬更高解析度的攝像機面市，大數據對存儲設備的容量、讀寫性能、可靠性、擴展性等都提出了更高的要求，需要充分考慮功能集成度、數據安全性、數據穩定性，系統可擴展性、性能及成本各方面因素。
目前市場上的存儲架構如下：
（1）基於嵌入式架構的存儲系統
節點NVR架構主要面向小型高清監控系統，高清前端數量一般在幾十路以內。系統建設中沒有大型的存儲監控中心機房，存儲容量相對較小，用戶體驗度、系統功能集成度要求較高。在市場應用層面，超市、店鋪、小型企業、政法行業中基本管理單元等應用較為廣泛。
（2）基於X86架構的存儲系統
平台SAN架構主要面向中大型高清監控系統，前端路數成百上千甚至上萬。一般多採用IPSAN或FCSAN搭建高清視頻存儲系統。作為監控平台的重要組成部分，前端監控數據通過錄像存儲管理模塊存儲到SAN中。
此種架構接入高清前端路數相對節點NVR有了較高提升，具備快捷便利的可擴展性，技術成熟。對於IPSAN而言，雖然在ISCSI環節數據並發讀寫傳輸速率有所消耗，但其憑借擴展性良好、硬體平台通用、海量數據可充分共享等優點，仍然得到很多客戶的青睞。FCSAN在行業用戶、封閉存儲系統中應用較多，比如縣級或地級市高清監控項目，大數據量的並發讀寫對千兆網路交換提出了較大的挑戰，但應用FCSAN構建相對獨立的存儲子系統，可以有效解決上述問題。
面對視頻監控系統大文件、隨機讀寫的特點，平台SAN架構系統不同存儲單元之間的數據共享冗餘方面還有待提高；從高性能伺服器轉發視頻數據到存儲空間的策略，從系統架構而言也增加了隱患故障點、ISCSI帶寬瓶頸導致無法充分利用硬體數據並發性能、接入前端數據較少。上述問題催生了平台NVR架構解決方案。
該方案在系統架構上省去了存儲伺服器，消除了上文提到的性能瓶頸和單點故障隱患。大幅度提高存儲系統的寫入和檢索速度；同時也徹底消除了傳統文件系統由於供電和網路的不穩定帶來的文件系統損壞等問題。
平台NVR中存儲的數據可同時供多個客戶端隨時查詢，點播，當用戶需要查看多個已保存的視頻監控數據時，可通過授權的視頻監控客戶端直接查詢並點播相應位置的視頻監控數據進行歷史圖像的查看。由於數據管理伺服器具有監控系統所有監控點的錄像文件的索引，因此通過平台CMS授權，視頻監控客戶端可以查詢並點播整個監控系統上所有監控點的數據，這個過程對用戶而言也是透明的。
（3）基於雲技術的存儲方案
當前，安防行業可謂「雲」山「物」罩。隨著視頻監控的高清化和網路化，存儲和管理的視頻數據量已有海量之勢，雲存儲技術是突破IP高清監控存儲瓶頸的重要手段。雲存儲作為一種服務，在未來安防監控行業有著客觀的應用前景。
與傳統存儲設備不同，雲存儲不僅是一個硬體，而是一個由網路設備、存儲設備、伺服器、軟體、接入網路、用戶訪問介面以及客戶端程序等多個部分構成的復雜系統。該系統以存儲設備為核心，通過應用層軟體對外提供數據存儲和業務服務。
一般分為存儲層、基礎管理層、應用介面層以及訪問層。存儲層是雲存儲系統的基礎，由存儲設備（滿足FC協議、iSCSI協議、NAS協議等）構成。基礎管理層是雲存儲系統的核心，其擔負著存儲設備間協同工作，數據加密，分發以及容災備份等工作。應用介面層是系統中根據用戶需求來開發的部分，根據不同的業務類型，可以開發出不同的應用服務介面。訪問層指授權用戶通過應用介面來登錄、享受雲服務。其主要優勢在於：硬體冗餘、節能環保、系統升級不會影響存儲服務、海量並行擴容、強大的負載均衡功能、統一管理、統一向外提供服務，管理效率高，雲存儲系統從系統架構、文件結構、高速緩存等方面入手，針對監控應用進行了優化設計。數據傳輸可採用流方式，底層採用突破傳統文件系統限制的流媒體數據結構，大幅提高了系統性能。
高清監控存儲是一種大碼流多並發寫為主的存儲應用，對性能、並發性和穩定性等方面有很高的要求。該存儲解決方案採用獨特的大緩存順序化演算法，把多路隨機並發訪問變為順序訪問，解決了硬碟磁頭因頻繁尋道而導致的性能迅速下降和硬碟壽命縮短的問題。
針對系統中會產生PB級海量監控數據，存儲設備的數量達數十台上百台，因此管理方式的科學高效顯得十分重要。雲存儲可提供基於集群管理技術的多設備集中管理工具，具有設備集中監控、集群管理、系統軟硬體運行狀態的監控、主動報警，圖像化系統檢測等功能。在海量視頻存儲檢索應用中，檢索性能尤為重要。傳統文件系統中，文件檢索採用的是「目錄-》子目錄-》文件-》定位」的檢索步驟，在海量數據的高清視頻監控，目錄和文件數量十分可觀，這種檢索模式的效率就會大打折扣。採用序號文件定位可以有效解決該問題。
雲存儲可以提供非常高的的系統冗餘和安全性。當在線存儲系統出現故障後，熱備機可以立即接替服務，當故障恢復時，服務和數據回遷；若故障機數據需要調用，可以將故障機的磁碟插入到冷備機中，實現所有數據的立即可用。
對於高清監控系統，隨著監控前端的增加和存儲時間的延長，擴展能力十分重要。市場中已有友商可提供單純針對容量的擴展櫃擴展模式和性能容量同步線性擴展的堆疊擴展模式。
雲存儲系統除上述優點之外，在平台對接整合、業務流程梳理、視頻數據智能分析深度挖掘及成本方面都將面臨挑戰。承建大型系統、構建雲存儲的商業模式也亟待創新。受限於寬頻網路、web2.0技術、應用存儲技術、文件系統、P2P、數據壓縮、CDN技術、虛擬化技術等的發展，未來雲存儲還有很長的路要走。
以上是小編為大家分享的關於大數據時代下的三種存儲架構的相關內容，更多信息可以關注環球青藤分享更多干貨
7. 數據分析的具體流程是什麼
一、數據收集
數據收集是數據分析的最基本操作，你要分析一個東西，首先就得把這個東西收集起來才行。由於現在數據採集的需求，一般有Flume、Logstash、Kibana等工具，它們都能通過簡單的配置完成復雜的數據收集和數據聚合。
二、數據預處理
收集好以後，我們需要對數據去做一些預處理。千萬不能一上來就用它做一些演算法和模型，這樣的出來的結果是不具備參考性的。數據預處理的原因就是因為很多數據有問題，比如說他遇到一個異常值(大家都是正的，突然蹦出個負值)，或者說缺失值，我們都需要對這些數據進行預處理。
三、數據存儲
數據預處理之後，下一個問題就是：數據該如何進行存儲?通常大家最為熟知是MySQL、Oracle等傳統的關系型資料庫，它們的優點是能夠快速存儲結構化的數據，並支持隨機訪問。但大數據的數據結構通常是半結構化(如日誌數據)、甚至是非結構化的(如視頻、音頻數據)，為了解決海量半結構化和非結構化數據的存儲，衍生了HadoopHDFS、KFS、GFS等分布式文件系統，它們都能夠支持結構化、半結構和非結構化數據的存儲，並可以通過增加機器進行橫向擴展。
四、數據分析
做數據分析有一個非常基礎但又極其重要的思路，那就是對比，基本上 90% 以上的分析都離不開對比。主要有：縱比、橫比、與經驗值對比、與業務目標對比等。
五、數據運用
其實也就是把數據結果通過不同的表和圖形，可視化展現出來。使人的感官更加的強烈。常見的數據可視化工具可以是excel，也可以用power BI系統。
六、總結分析
根據數據分析的結果和報告，提出切實可行的方案，幫助企業決策等。
關於數據分析的具體流程是什麼，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。
8. 數據存儲技術論文3000字
資料庫存儲技術的出現，對於傳統的紙質存儲技術來說，具有革命性的作用，下面是我為大家精心推薦的數據存儲技術論文3000字，希望能夠對您有所幫助。
數據存儲技術論文3000字篇一
資料庫編程與資料庫存儲技術分析
【摘要】隨著信息技術的發展，以及人類社會文明進步，在與計算機相關的技術發展中，關於數據方面的處理工作，如今也越來越受到重視，在不同的發展時期，根據不同的計算機類型以及在實際應用的不同，資料庫的編程與資料庫存相儲技術方面的要求也有所差異，所以就要根據實際情況進行具體分析.本文就結合相關技術進行分析。
【關鍵詞】資料庫;編程;存儲;技術;分析
引言
在計算機的發展過程中，根據數據進行程序編輯，以及在計算機內部儲存程序的編輯都是非常重要的方面，雖然會根據所操作的計算機不同，而在具體操作過程中而出現有所區別，但是要針對相關的技術進行具體分析後就能夠發現，在數據存儲方面只要編輯好資料庫對應的程序，要取得好的工作成績不不難，所以研究好關於資料庫編程和資料庫存儲相關的技術，就能夠代替真實人的工作，取得良好的工作效果，促進計算機行業的發展.
隨著計算機的普及應用，計算機應用軟體得到了快速的發展，從某種意義上來說，計算機之所以能夠在各個領域中得到應用，很大程度上就是因為相應的應用軟體，根據各個行業的特點，軟體公司都開發了針對性的應用軟體，通過這些軟體的使用，能夠給實際的工作帶來方便，提升工作的效率，例如在工業自動化中，現在的計算機技術已經具有一定的智能性，可以代替人來進行操作，這種方式出現錯誤的幾率很低，而且計算機不需要休息，生產效率得到了大幅提高，在計算機軟體中，尤其是一些大型的軟體，資料庫是軟體的核心內容，因此在計算機軟體編寫過程中，資料庫編程和存儲技術，也是一個核心內容，受到我國特殊歷史原因影響，我國的軟體行業發展較慢，因此資料庫編程和存儲技術的核心都掌握在西方發達國家手中。
1、資料庫存儲技術簡述
1.1資料庫存儲技術的概念
資料庫的發展很大程度上依賴於計算機性能的提升，在計算機出現的早期，並沒有資料庫的概念，當時計算機的性能很低，只能進行一些簡單的數字運算，體積也非常龐大，還沒有數據存儲的概念，隨著晶體管和集成電路應用在計算機製造中，計算機的性能得到了大幅的提升，開始在各個領域中進行應用，當計算機被用於數據管理時，尤其是一些復雜的數據，傳統的存儲方式已經無法滿足人們的需要，在這種背景下，DSMS誕生了，這種資料庫管理系統在當時看來，是資料庫管理技術的一次革命，隨著計算機性能的提升，逐漸出現了SQL、Oracle等，在傳統的資料庫編程中，由於資料庫編寫的時期不同，使用的編寫語言也有一定的差異，目前常使用的軟體有VB、JAVA、VC、C++等，利用這些編程軟體，都可以編寫一個指定的資料庫，由於每個軟體自身都有一定的特點，因此不同領域的數據編程中，所選擇的編程軟體業有一定的差異。
1.2資料庫存儲技術的發展
資料庫的概念最早可以追溯到20世紀50年代，但是當時資料庫的管理，還處於傳統人工的方式，並沒有形成軟體的形式，因此並不能算資料庫存儲技術的起源，在20世紀60年代中期，隨著計算機存儲設備的出現，使得計算機能夠存儲數據，在這種背景下，數據管理軟體誕生了，但是受到當時技術條件的限制，只能以文件為單位，將數據存儲在外部存儲設備中，人們開發了帶有界面的操作系統，以便對存儲的數據進行管理，隨著計算機的普及應用，計算機能夠存儲的數據越來越多，人們對資料庫存儲技術有了更高的要求，尤其是企業用戶的增加，希望資料庫存儲技術能夠具有很高的共享能力，數據存儲技術在這一時期，得到了很大的發展，現在的資料庫存儲技術，很大程度上也是按照這一時期的標准，來進行相應的開發，隨著資料庫自身的發展，出現了很多新的資料庫存儲技術，如數據流、Web數據管理等。
1.3資料庫存儲技術的作用
資料庫存儲技術的出現，對於傳統的紙質存儲技術來說，具有革命性的作用，由於紙質存儲數據的方式，很容易受到水、火等災害，而造成數據的損失，人類文明從有文字開始，就記錄了大量的歷史信息，但是隨著時間的推移，很多數據資料都損毀了，給人類文明造成了嚴重的損失，而資料庫存儲技術就能夠很好的避免這個問題，在資料庫的環境下，信息都會轉化成電子的方式，存儲在計算機的硬碟中，對於硬碟的保存，要比紙質的書籍等簡單的多，需要的環境比較低，最新的一些伺服器存儲器，甚至具有防火的性能，而且資料庫中的數據，可以利用計算機很簡單的進行復制，目前很多企業資料庫，為了最大程度上保證數據的安全性，都會建立一個映像資料庫，定期的對資料庫中的信息進行備份，如果工作的資料庫出現了問題，就可以通過還原的方式，恢復原來的數據。
2、資料庫編程與資料庫存儲技術的關系
2.1資料庫編程決定資料庫存儲的類型
通過對計算機軟體的特點進行分析可以知道，任何軟體要想具有相關的功能，都需要在編程過程中來實現，對於資料庫程序來說也是一樣，在資料庫編程的過程中，能夠決定資料庫存儲的類型，根據應用領域的不同，資料庫存儲技術也有一定的差異，如在電力、交通控制等領域中，應用的大多是實時資料庫，而網上的視頻網站等，大多採用關系資料庫，其次還有商業資料庫、自由資料庫、微型資料庫等，每種資料庫的出現，都是為了滿足實際應用的需要，雖然在不同歷史時期，一種資料庫成為主流，但是對於資料庫程序的編寫者來說，這些資料庫的編寫;並沒有太大的差異，雖然不同的程序編寫人員，由於所受教育和習慣的不同，在實際編寫的過程中，使用的程序編寫軟體不同，但無論是VB、VF還是C++等，都可以實現每種資料庫類型的編寫，從某種意義上來說，資料庫類型的確定，通常是在軟體需求分析階段中進行設計，然後在數據編程階段來實現，
2.2資料庫存儲技術是資料庫編程的核心
對於資料庫程序來說，最重要的功能就是存儲數據，通常情況在，一個資料庫程序會分成幾個模塊，其中核心模塊就是資料庫存儲技術。
結語
在目前國內經濟發展形勢下，針對於計算機的軟體行業的形式，也在大力推動下，成為一個焦點行業，隨著行業的發展，相關促進簡便工作的程序也得到了相應的研究和發明中，就算是一些不具備計算機專業知識的普通使用著，不管在使用還是研發程序上也是介可以的，只是針對於資料庫編程和資料庫存儲技術方面進行分析，但是作為系統的核心區域，所以相關的技術也是非常重要的，所以要想提升工作效率，緩解工作壓力，就要結合使用情況，在所能應用的范圍內，選擇最具有優勢的相應軟體處理技術，以此為研發中心，開發出所需要的軟體類型，進行所有的數據整理工作，對於辦公室工作極大范圍內的促進，對於資料庫編程於數據存儲方面的技術是非常重要的。
參考文獻
[1]董慧群，王福明.基於LabWindows/CVI的資料庫編程[J].山西電子技術，2011(04)：55-56.
[2]吳敏寧，高楠.Delphi資料庫編程開發[J].電腦知識與技術，2009(11)：2882-2883.
[3]鄭剛，唐紅梅.面向對象資料庫中數據模型及存儲結構的研究[J].計算機工程，2002(03)：65-67.
點擊下頁還有更多>>>數據存儲技術論文3000字
9. 大數據存儲與應用特點及技術路線分析
大數據存儲與應用特點及技術路線分析
大數據時代，數據呈爆炸式增長。從存儲服務的發展趨勢來看，一方面，對數據的存儲量的需求越來越大；另一方面，對數據的有效管理提出了更高的要求。大數據對存儲設備的容量、讀寫性能、可靠性、擴展性等都提出了更高的要求，需要充分考慮功能集成度、數據安全性、數據穩定性，系統可擴展性、性能及成本各方面因素。
大數據存儲與應用的特點分析
「大數據」是由數量巨大、結構復雜、類型眾多數據構成的數據集合，是基於雲計算的數據處理與應用模式，通過數據的整合共享，交叉復用形成的智力資源和知識服務能力。其常見特點可以概括為3V:Volume、Velocity、Variety(規模大、速度快、多樣性)。
大數據具有數據規模大(Volume)且增長速度快的特性，其數據規模已經從PB級別增長到EB級別，並且仍在不斷地根據實際應用的需求和企業的再發展繼續擴容，飛速向著ZB(ZETA-BYTE)的規模進軍。以國內最大的電子商務企業淘寶為例，根據淘寶網的數據顯示，至2011年底，淘寶網最高單日獨立用戶訪問量超過1.2億人，比2010年同期增長120%,注冊用戶數量超過4億，在線商品數量達到8億，頁面瀏覽量達到20億規模，淘寶網每天產生4億條產品信息，每天活躍數據量已經超過50TB.所以大數據的存儲或者處理系統不僅能夠滿足當前數據規模需求，更需要有很強的可擴展性以滿足快速增長的需求。
(1)大數據的存儲及處理不僅在於規模之大，更加要求其傳輸及處理的響應速度快(Velocity)。
相對於以往較小規模的數據處理，在數據中心處理大規模數據時，需要服務集群有很高的吞吐量才能夠讓巨量的數據在應用開發人員「可接受」的時間內完成任務。這不僅是對於各種應用層面的計算性能要求，更加是對大數據存儲管理系統的讀寫吞吐量的要求。例如個人用戶在網站選購自己感興趣的貨物，網站則根據用戶的購買或者瀏覽網頁行為實時進行相關廣告的推薦，這需要應用的實時反饋;又例如電子商務網站的數據分析師根據購物者在當季搜索較為熱門的關鍵詞，為商家提供推薦的貨物關鍵字，面對每日上億的訪問記錄要求機器學習演算法在幾天內給出較為准確的推薦，否則就丟失了其失效性；更或者是計程車行駛在城市的道路上，通過GPS反饋的信息及監控設備實時路況信息，大數據處理系統需要不斷地給出較為便捷路徑的選擇。這些都要求大數據的應用層可以最快的速度，最高的帶寬從存儲介質中獲得相關海量的數據。另外一方面，海量數據存儲管理系統與傳統的資料庫管理系統，或者基於磁帶的備份系統之間也在發生數據交換，雖然這種交換實時性不高可以離線完成，但是由於數據規模的龐大，較低的數據傳輸帶寬也會降低數據傳輸的效率，而造成數據遷移瓶頸。因此大數據的存儲與處理的速度或是帶寬是其性能上的重要指標。
(2)大數據由於其來源的不同，具有數據多樣性的特點。
所謂多樣性，一是指數據結構化程度，二是指存儲格式，三是存儲介質多樣性。對於傳統的資料庫，其存儲的數據都是結構化數據，格式規整，相反大數據來源於日誌、歷史數據、用戶行為記錄等等，有的是結構化數據，而更多的是半結構化或者非結構化數據，這也正是傳統資料庫存儲技術無法適應大數據存儲的重要原因之一。所謂存儲格式，也正是由於其數據來源不同，應用演算法繁多，數據結構化程度不同，其格式也多種多樣。例如有的是以文本文件格式存儲，有的則是網頁文件，有的是一些被序列化後的比特流文件等等。所謂存儲介質多樣性是指硬體的兼容，大數據應用需要滿足不同的響應速度需求，因此其數據管理提倡分層管理機制，例如較為實時或者流數據的響應可以直接從內存或者Flash(SSD)中存取，而離線的批處理可以建立在帶有多塊磁碟的存儲伺服器上，有的可以存放在傳統的SAN或者NAS網路存儲設備上，而備份數據甚至可以存放在磁帶機上。因而大數據的存儲或者處理系統必須對多種數據及軟硬體平台有較好的兼容性來適應各種應用演算法或者數據提取轉換與載入(ETL)。
大數據存儲技術路線最典型的共有三種：
第一種是採用MPP架構的新型資料庫集群，重點面向行業大數據，採用Shared Nothing架構，通過列存儲、粗粒度索引等多項大數據處理技術，再結合MPP架構高效的分布式計算模式，完成對分析類應用的支撐，運行環境多為低成本 PC Server，具有高性能和高擴展性的特點，在企業分析類應用領域獲得極其廣泛的應用。
這類MPP產品可以有效支撐PB級別的結構化數據分析，這是傳統資料庫技術無法勝任的。對於企業新一代的數據倉庫和結構化數據分析，目前最佳選擇是MPP資料庫。
第二種是基於Hadoop的技術擴展和封裝，圍繞Hadoop衍生出相關的大數據技術，應對傳統關系型資料庫較難處理的數據和場景，例如針對非結構化數據的存儲和計算等，充分利用Hadoop開源的優勢，伴隨相關技術的不斷進步，其應用場景也將逐步擴大，目前最為典型的應用場景就是通過擴展和封裝 Hadoop來實現對互聯網大數據存儲、分析的支撐。這裡面有幾十種NoSQL技術，也在進一步的細分。對於非結構、半結構化數據處理、復雜的ETL流程、復雜的數據挖掘和計算模型，Hadoop平台更擅長。
第三種是大數據一體機，這是一種專為大數據的分析處理而設計的軟、硬體結合的產品，由一組集成的伺服器、存儲設備、操作系統、資料庫管理系統以及為數據查詢、處理、分析用途而特別預先安裝及優化的軟體組成，高性能大數據一體機具有良好的穩定性和縱向擴展性。
以上是小編為大家分享的關於大數據存儲與應用特點及技術路線分析的相關內容，更多信息可以關注環球青藤分享更多干貨