本文目录一览：
MongoDB入门实操《一》
MongoDB 是一个基于分布式文件存储的数据库。由 C++ 语言编写。旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。
市面上有一些书也很好，比如《MongoDB权威指南》，不过书很容易过时。
MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。它支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
《大资料储存：MongoDB实战指南》从学习与实践者的视角出发，本着通俗精简、注重实践、突出精髓的原则，精准剖析了 MongoDB的诸多概念和要点。
五大商业分析技术趋势及使用方式(1)
1、数据分析：一般指对数据进行研究的方法和过程。商业智能：是指将数据分析商业化、信息化，实现商业价值的企业信息化建设过程。所以数据分析包含的内容可以很宽泛，而商业智能则更聚焦于实现商业价值。
2、重要趋势（ 远见 ）：包括技术趋势、监管法规趋势、社会和文化趋势、社会经济趋势等。（4）宏观经济影响因素（ 宏观经济 ）：包括全球市场情况、资本市场、经济基础设施、商业和其它资源等。
3、优化：分析业务功能，流程和模型。创新：探索新的颠覆性商业模式，以促进客户群的发展和成长。已建立的商业模式受到攻击 数据分析正在迅速推翻我们开展业务的方式。
4、现在我们就来看看大数据给中国带来的十商业应用场景，未来大数据产业将会是一个万亿市场。 智慧城市 如今，世界超过一半的人口生活在城市里，到2050年这一数字会增长到75%。
5、云计算的普及和扩展云计算是IT行业未来的重要发展趋势之一。随着企业数据量的不断增加，传统的数据存储和处理方式已经无法满足需求，而云计算能够提供更加高效、灵活和可靠的计算服务。
6、大数据采集 大数据预处理 大数据存储及管理 大数据分析及挖掘 大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）。
为什么要用mongodb?
——MongoDB会自动处理故障转移。这能让你在维持相当高的写可用性的同时，拥有强一致性特性，这对一些用例来说非常重要。
◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。自然，MongoDB的使用也会有一些限制，例如它不适合：◆高度事务性的系统：例如银行或会计系统。
缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。在系统重启之后，由MongoDB搭建的持久化缓存层可以避免下层的数据源过载。（3）大尺寸，低价值的数据。
MongoDB属于内存型数据库，在需要读性能要求很高的项目中有着比较不错的表现。
可扩展性 MongoDB被用在一些规模庞大的环境中，FourSquare/Craiglist都在使用它。通过分片数据缩放处理理论上可实现更高的吞吐量。
我的回答是不建议都使用MongoDB。NOSQL数据库和关系型数据库各有各的优劣，在项目里面一般需要根据不同的需求和场景来搭配使用。
如何进行大数据分析及处理?
将数据库中的数据经过抽取、清洗、转换将分散、零乱、标准不统一的数据整合到一起，通过在分析数据库中建模数据来提高查询性能。
大数据处理流程如下：数据采集：收集各种数据来源的数据，包括传感器数据、日志文件、社交媒体数据、交易记录等。数据采集可以通过各种方式进行，如API接口、爬虫、传感器设备等。
数据挖掘算法 可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
数据可视化是指将大数据分析与预测结果以计算机图形或图像的直观方式显示给用户的过程，并可与用户进行交互式处理。
大数据通过采集、存储、处理、分析和共享等一系列技术手段来处理。 采集：大数据的来源多种多样，包括社交媒体、传感器、日志文件、事务数据等。首先，要对这些数据进行有效的采集，确保数据的完整性和准确性。
大数据处理包含以下几个方面及方法如下：数据收集与预处理 数据收集：大数据处理的第一步是收集数据。这可以通过各种方式实现，包括从传感器、日志文件、社交媒体、网络流量等来源收集数据。
