GB/T35295-2017
信息技术大数据术语
Informationtechnology—Bigdata—Terminology
- 中国标准分类号（CCS）L70
- 国际标准分类号（ICS）35.240
- 实施日期2018-07-01
- 文件格式PDF
- 文本页数18页
- 文件大小1.14M
以图片形式预览信息技术大数据术语
信息技术大数据术语
国家标准
GB/35295一2017 前 言 本标准按照GB/T1.1一2009给出的规则起草
请注意本文件的某些内容可能涉及专利
本文件的发布机构不承担识别这些专利的责任
本标准由全国信息技术标准化技术委员会(SAC/TC28)提出并归口
本标准起草单位:电子技术标准化研究院、浪潮软件集团有限公司,浪潮(北京)电子信息产业 有限公司、国家信息中心、华为技术有限公司、北京数码大方科技股份有限公司山东省标准化研究院、 北京世纪互联宽带数据中心有限公司、清华大学、中科恒源信息科技有限公司,山西天地科技有限公司、 大唐软件技术股份有限公司、成都勤智数码科技股份有限公司、微软()有限公司、福建亿榕信息技 术有限公司、科学院计算机网络信息中心,北京软件和信息服务交易所有限公司、北京华宇软件股 份有限公司、四川长虹佳华数字技术有限公司、中兴通讯股份有限公司、四川久远银海软件股份有限公 司北京东方通科技股份有限公司、北明软件股份有限公司,天津南大通用数据技术股份有限公司、重庆 云威科技有限公司、广州赛宝认证中心服务有限公司、北京大学 本标准主要起草人梅宏、高林、卫风林、赵菁华,张群,王建华,黄先芝、吴楠、苏志远、宦茂盛、昌欣 杨莉莉、符海芳、吴东亚、齐建军、 、万洋、魄玉凯、王文 飞、周行健王建民、王朝坤,张星华,莫宏波、 苏晓婷、芦效东,周训波、程之明、刘宇峰、吴志刚、许怕娴、苏江文、石松、胡良霖、阅京华、于铁强 胡才勇、高冀鹏、张楠、李剑飞、邹代泉、黄峥、王东、程曦、乔文涛、赵大航、俞立平、汪疆平、王进宏、 冀辉、王洪越、李力、刘小茵、李光、李宁、张展新、王静、李冰、陈海、徐祥,李易昂,赵俊峰
GB/T35295一2017 2.1.6 大数据应用提供者bhigdataapplieatioprovider 大数据参考体系结构中的一种逻辑功能构件,它执行数据生存周期操作,以满足系统协调者定义的 需求以及安全和隐私保护需求
注大数据应用提供者一般包括;应用领域专家,平台领域专家和咨询师
2.1.7 大数据框架提供者higdataframewrkprrider 大数据参考体系结构中的一种逻辑功能构件,它建立 -种计算框架,在此框架中执行转换应用,同 时保护数据完整性和隐私
注:大数据框架提供者一般包括:内嵌数据集集群、数据中心和云提供者
2.1.8 数据消费者dataconsumer 大数据参考体系结构中的一种逻辑功能构件,它是使用大数据应用提供者提供的应用的末端用户 或其他系统
注:数据消费者一般包括;末端用户、调研人员、应用和系统
2.1.9 基础设施框架infrastruectureframework 由网络、计算、存储和环境等功能构件构成的一种集合
注1:网络、计算、存储和环境的解释如下 网络;支持将数据从一个资源传输到另一个资源的资源如.已定义的物理资源、软件资源、虚拟资源 等 计算;执行和驻留其他大数据系统构件(如,物理资源、,操作系统、虚拟实现、逻辑分布)的软件的物理处 b 理器和存储器
存储;在大数据系统中保存数据的资源(如,存储器、本地磁盘、独立磁盘的软/硬件冗余阵列、存储域网、 附网存储)
d环境;建立大数据系统时必须考虑的物理辅助资源如,供电、冷却等. 注2:这是大数据框架提供者可能提供的一种框架
2.1.10 数据平台框架dataplatformmframework 用于指导实现结合相关应用编程接口(API)访问的逻辑数据组织和分发的集合
注1:此类框架一般还包含数据注册和连同语义数据描述(如格式化本体或分类)的元数据服务
逻辑数据组织的 覆盖范围从简单限定的平面文件到完全分布式关系数据存储或分栏数据存储
注2:这是大数据框架提供者可能提供的一种框架
2.1.11 处理框架processingframework 覆盖为支持大数据应用实现所需基础设施软件的、定义数据的计算和处理的集合
注:这是大数据框架提供者可能提供的一种框架
2.1.12 消息/通信框架messaging/communieationsramework 源于高性能计算环境,为水平扩展集群中节点之间的可靠查询、传输和接收数据提供AP的集合
注:这是大数据框架提供者可能提供的一种框架
2.1.13 资源管理框架resoureemanagementfraework 大数据框架提供者可能提供的、利用数据本地化作为一种输人变量来确定是否安装新的处理框架
GB/35295一2017 元素(如,主节点、处理节点、作业位置),从而实现对CPU和存储两大资源高效且有效管理的集合
注;这是大数据框架提供者可能提供的一种框架
2.1.14 大数据系统bhigdatasys stemm 实现大数据参考体系结构的全部或部分功能的系统
2.1.15 大数据服务bigdataservice 基于大数据参考体系结构提供的数据服务
2.1.16 alng 垂直扩展vertieal 为提高性能而提高处理速度、存储和内存等系统参数的过程
2.1.17 sealing 水平扩展 h0riz0ntal 将集成的一群个体资源作为一个单系统使用的过程
2.1.18 大数据范例bhigdataparadigm -种由水平耦合分布式数据系统和独立资源组成的、用于实现为有效处理众多数据集所必需的可 伸缩性的知识 2.1.19 大数据工程化bigdataengineering 为适应大数据对于有效存储、操作和分析的需求而运用治理独立资源的先进技术构建可伸缩数据 系统的过程
2.1.20 大规模并行处理massivelyparallelproeessing 多个处理器并行工作以执行 一个特定计算任务的过程
2.1.21 分布式文件系统distributeltileystem 多个结构化数据集分布在一个或多个服务器集群的各个计算节点的文件系统
注此类系统中,数据可能分布在文件和/或数据集层,更为普遍的是在数据块这个层级分布,同时支持集群中多个 节点与大型文件和/或数据集的不同部分交互
2.1.22 分布式计算distributedcomputing -种覆盖存储层和处理层的、用于实现多类型程序设计算法模型的计算模式
注;分布式计算结果通常加载到分析环境
MapReduce是数据分布式计算中默认的处理构件
2.1.23 分散-聚集scattergather 大数据集的处理形式,其中所需的计算被划分并分布在集群的多个节点上,整体结果由每个节点的 结果合并而成
注;分散-聚集通常要求x 理软件的算法进行改变
示例:MapReduce(包含MMap和Redue两个计算过程的一种计算模型)就是采用分散-聚集的处理形式
2.1.24 data 流数据streaming 经由接口传递,从连续运行的数据源产生的数据
GB/T35295一2017 2.1.25 非结构化数据unstructuredldata 不具有预定义模型或未以预定义方式组织的数据
2.1.26 大数据生存周期模型lifeeyclemodelforbigdata 用于描述大数据的“数据一信息一知识一价值”生存周期和指导大数据相关活动的模型;这些活动 主要由收集,准备,分析和行动等阶段覆盖 注:几个阶段的主要活动如下 收集阶段;采集原始数据并按原始数据形式存储; a b 准备阶段;将原始数据转化为干净的有组织的信息; c 分析阶段;利用有组织的信息产生合成的知识 小 行动阶段;运用合成的知识为组织生成价值
2.1.27 读时模式schema-o-read -种数据模式应用;按此应用,在从数据库读取数据之前,先经过诸如转换、净化、整合之类准备 步骤
2.1.28 计算可移植性computationalportability 使计算移动到数据所在位置的能力
2.1.29 真实性veracity 数据在跨边界传送的情况下,与数据完整性和隐私保护相关的一种数据特征;亦简单指数据的准 确性
2.1.30 价值value 从分析学角度考虑的数据对组织的重要性
注大数据应用领域越来越看重大数据带来的价值,确定数据的价值也趋向于作为大数据分析的一个重要目标 2.1.31 波动性olatility 数据结构随时间变化的趋势
注:这个术语与大数据主要特征之一的“多变性(variability)”不同,多变性主要用于表述大数据的体量、速度和多 样性等特征呈现的多变性
2.1.32 正确性validity 就数据预期用途而言的数据适当性
2.1.33 大数据动态应用bgdaa`elueiapleatiun 数据的收集、准备和分析(预警)在动态改变中发生,并可能在数据存储之前进行归纳或聚合
2.1.34 大数据卷系统bigdatavolumesystem" 在数据准备阶段前以数据原始形式存储的一种数据系统
注;在这种系统中,在数据读出时开始启动准备阶段,因此被称为“读时模式”
GB/T35295一2017 2.1.47 追溯proenance 对数据集的历史元数据的讨论
注1此词条的中文名是对同一个英文名词的动词性定义的表示 注2，这是大数据分析中的一个必不可少的因素
2.1.48 分析analyties 根据信息合成知识的过程
2.1.49 分析过程特征analyticproeesescharacteristies 用以表征大数据分析过程的发现、开发和应用
“发现”是形成最初的假设性构想,“开发”是针对具体构想构建分析过程,“应用”则是将分析结果打 包到特定运行的系统
2.1.50 共享磁盘文件系统 u小diskfilesystems shared 使用单一存储池且与多个计算资源关联的存储数据的方法
注:此类系统的技术实现支持同时从多个节点访问许多大型数据集
示例1 存储域网(StorageAreaNetworks,简称SAN)
示例2 附网存储(Nets NetwoikAtachedsiorsge,简称NAs) 2.1.51 数据特征层次dataeharacteristichierarchy 从不同粗细粒度表征数据特征的数据层次结构
注;大数据的特征层级一般包括以下层级: -数据元素; 记录(数据元素的汇集); 数据集(记录的汇集) 多数据集数据集的汇集 2.1.52 可伸缩流处理 scalalestreamprocessing 数据存储器之间动态数据的处理形式
注:主要用于数据的过滤、转换或路由选择
对于大数据流流处理往往是可伸缩的,以便支持分布式处理和流水 线式处理
2.1.53 可伸缩数据存储seaabledatastores 用以支持应对数据存储无限增长的一种存储技术 注此类技术的运用往往伴之以容错能力,以便应对大数据系统构件的某些失效
2.1.54 本体ontology 在大数据语境下,它是一些约束后续各种不同层次逻辑模型的语义模型
注本体,从本质上看,既可以是非常概括性的,也可以是极其专门化的
GB/35295一2017 2.1.55 分类taxonomies 在数据分析语境下表示关于数据元素关系的元数据
注:它是实体之间的层次关系,在这种情况下,一个数据元素被分解为较小的组成部分
2.1.56 aphieal model 图解模型grap -种可以呈现数据元素之间关系的大数据记录存储类型
注:在此种模型中,数据元素是节点,关系表现为节点之间链接
2.1.57 复杂性complexity 在大数据语境下,复杂性是指各数据元素之间内部关系的或跨数据记录之间的一种互动关系繁简 程度
2.1.58 资源协商 resourcenegotiation -种支持多租户以及要求高可用性和低延迟的环境的资源访问模式
注按此模式,资源管理器是若干节点管理器的集线器;各个客户(或用户)依次请求节点管理器中的应用管理器 紧接前一个请求者的后一个请求者分配到同一个或不同的节点管理器的应用管理器
根据中央处理器 CPU)和存储器可用情况为所请求的任务确定先后次序并在节点提供适当的处理资源 2.1.59 集群管理clustermanagement 在以非关系模型方式驻留数据的集群资源之间提供通信的一种机制
2.1.60 软件定义存储softwaredefinedstorage 利用软件来确定存储器的动态层级分配的一种存储管理技术
注;此类技术可以以较低的存储开销来维护必要的数据检索性能,常用于内存、高速缓存,固态硬盘、网络驱动等应 用领域
2.1.61 软件定义网络softwaredefinednetwork;SDN 支持作为大数据关键实现的网络资源高效且有效管理的一种技术
注:亦称虚拟网络(virtualnetwork),与传统的用于数据、管理、I/o(输人/输出)和控制的专用物理网络链接不同. SDN包含资源池化的链接和实际交换设施,实施特定功能和特定应用的按需分配(包括传输的原始带宽,服务 质量和数据路由等)
2.1.62 网络功能虚拟化networkfunetionvirtualization 对路由器/路由选择、周界防护,远程访问鉴别以及网络流量/载荷监控等网络功能的虚拟应用 实现
注:网络功能虚拟化支持信息系统的高弹性、容错和资源管理,是应对大数据巨大数据体量下用户数据连接的峰、 谷起伏问题的至关重要的应用
2.1.63 本地虚拟化nativevirtualization 大数据环境下的一种虚拟化基本形式,按此种形式,在本地裸机上运行管理程序,该程序管理由操 作系统和应用组成的多个虚拟机
GB/T35295一2017 2.1.64 主机虚拟化 h0stedirtualization 大数据环境下的一种虚拟化基本形式,按此种形式,在本地裸机上运行操作系统,在驻留客户操作 系统和应用的顶层运行管理程序
2.1.65 containerizedvirtualization 容器式虚拟化 大数据环境下的一种虚拟化基本形式,按此种形式,在本地裸机上运行操作系统,管理程序功能嵌 人操作系统中,应用在内部各个容器中运行,控制或限制对操作系统和物理机器资源的访问
2.2密切相关的通用术语 2.2.1 数据data 信息的可再解释的形式化表示,以适用于通信、,解释或处理
注，可以通过人工或自动手段处理数据
LGB/T5271.12000,定义01.01.,02] 2.2.2 数据处理dataprocessing 数据操作的系统执行
注:术语“数据处理”不能用作“信息处理”的同义词
[GB/T5271.12000,定义o1.01.06] 2.2.3 数据管理datamanagement 在数据处理系统中,提供对数据的访问,执行或监视数据的存储,以及控制输人输出操作等功能
[GB/T5271.1一2000,定义01.08.02 2.2.4 关系模型relationalmodel 结构基于一组关系的数据模型
示例:结构查询语言(SQL)即表示这样一种模型
[GB/T5271.17一2010,定义17.04.04 2.2.5 关系数据库relationaldatabase 数据按关系模型来组织的数据库
[GB/T5271.17一2010,定义17.04.05 2.2.6 ;DDP 分布式数据处理distribteldataprwesing; 将操作分散到计算机网络的各结点进行的数据处理
注;DDP需要借助各结点之间的数据通信做到集体协作
[GB/T5271.18一2008,定义18.01.08] 2.2.7 元数据 metadata 关于数据或数据元素的数据(可能包括其数据描述),以及关于数据拥有权、存取路径,访问权和数 据易变性的数据
[[GB/T5271.17一2010,定义17.06.05
GB/35295一2017 2.2.8 语义元数据 Semanticmetadata 元数据的一个类型;给出有助于恰当理解数据元素的定义性描述的元数据,或,作为数据元素的定 义的一类元数据
2.2.9 数据挖掘 datamining 从大量的数据中通过算法搜索隐藏于其中信息的过程
注;一般通过包括统计、在线分析处理,情报检索,机器学习,专家系统(依靠过去的经验法则)和模式识别等方法来 实现
[[GB/T337452017,定义2.5.3] 2.2.10 云计算coudcomputing -种通过网络将可伸缩、弹性的共享物理和虚拟资源池以按需自服务的方式供应和管理的模式
注:资源包括服务器、操作系统,网络、软件,应用和存储设备等
[GB/T324002015,定义3.2.5 2.2.11 物联网 ofthings;Ior internet 通过感知设备,按照约定协议,连接物、人,系统和信息资源,实现对物理和虚拟世界的信息进行处 理并作出反应的智能服务系统
注，物即物理实体
[GB/T33745一2017,定义2.1.1] 2.2.12 数据中心datacenter 由计算机场站(机房),机房基础设施、信息系统硬件(物理和虚拟资源、信息系统软件、信息资源 数据)和人员以及相应的规章制度组成的组织 [GB/T33136一2016,定义3.1.1] 2.2.13 结构化数据struetureddata -种数据表示形式,按此种形式,由数据元素汇集而成的每个记录的结构都是一致的并且可以使用 关系模型予以有效描述
2.2.14 表结构tablestructure 为主体层内容提供表示语义的一 -种存储范例. 2.2.15 键值结构key-valuestructure -种存储范例,按此范例存储的记录由值中的关键词和一串数据组成
注:在键值结构下,数据通过关键词检索,同时由非关系数据库软件处理对于值中的数据的访问
其作用相当于带 单一索引字段和列的关系数据库表的子集和/或简化版
其变体之一是文档存储在这种情况下,文档有多个 值字段,其中任何一个都可以用作索引/关键词
GB/T35295一2017 考文献 参 GB/T5271.l一2000信息技术词汇第1部分:基本术语 [1] [2幻 GB/T5271.17一2010信息技术词汇第17部分:数据库 [3幻 GB/T5271.18一2008信息技术词汇第18部分:分布式数据处理 [打 GB/T32400一2015信息技术云计算概览与词汇 [5]GB/T33136一2016 信息技术服务数据中心服务能力成熟度模型 [们 GB/T33745一2017物联网术语 0
GB/35295一2017 索 引 汉语拼音索引 B 2.1.63 2.1.50 本地虚拟化 共享磁盘文件系统 本体 2.1.54
， 2.2.4 关系模型 2.2.14 2.2.5 表结构 关系数据库 2.1.31 波动性 基础设施框架 2.1.9 处理框架 2.1.11 集群管理 2.1.59 垂直扩展 2.1.16 计算可移植性 2.1.28 2.1.30 价值 键值结构 2.2.15 大规模并行处理 2.1.20 结构化数据 2.2.13 大数据 2.1.1 静态数据 2.1.37 2.1.3 大数据参考体系结构 2.1.33 大数据动态应用 大数据范例 开放数据 2.1.18 2.1.44 大数据服务 2.1.15 可伸缩流处理 2.1.52 大数据工程化 可伸缩数据存储 2.1.53 2.1.19 大数据卷系统 2.1.34 大数据框架提供者 2.1.7 大数据生存周期模型 2.1.26 联合数据库系统 2.1.39 大数据系统 2.1.14 链接数据 2.1.45 大数据应用提供者 2.1.6 流数据 2.1.24 动态数据 2.1.36 读时模式 2.1.27 容器式虚拟化 2.1.65 软件定义存储 2.1.60 非关系模型 2.1.38 软件定义网络 2.1.61 非结构化数据 2.1.25 分布式计算 2.1.22 分布式数据处理 2.2.6 数据 2.2.1 分布式文件系统 2.1.21 数据仓库 2.1.35 分类 2.1.55 数据处理 2.2.2 分散-聚集 2.1.23 数据管理 2.2.3 分析 2.1.48 数据集 2.1.46 分析过程特征 2.1.40 2.1.49 数据科学 2.1.57 复杂性 数据科学范例 2.1.41 1
GB/T35295一2017 2.1.42 数据科学家 数据平台框架 2.1.10 2.1.4 数据生存周期 2.1.2 系统协调者 2.1.12 数据特征层次 2.1.51 消息/通信框架 数据提供者 2.1.5 数据挖掘 2.2.9 2.2.8 数据消费者 语义元数据 2.1.8 2.1.43 2.2.7 数据治理 元数据 2.2.12 2.2.10 数据中心 云计算 2.1.17 水平扩展 2.1.29 真实性 2.1.56 正确性 图解模型 2.1.32 主机虚拟化 2.1.64 追溯 2.1.47 网络功能虚拟化 2.1.62 资源管理框架 2.1.13 物联网 2.2.11 资源协商 2.1.58 英文对应词索引 analyticprocessescharacteristics 2.1.49 analytics 2.1.48 2.1.1 bigdata 2.1.6 bigdataapplicationprovider 2.1.19 bigdataengineering 2.1.7 bigdataframeworkprovider 2.1.18 bigdataparadigm 2.1.3 ig datareferencearchitecture 2.1.15 bigdataservice 2.1.14 bigdatasystem 2.1.33 bigdatavelocityapplication 2.1.34 bigdatavolumesystem 2.2.10 cloudcomputing 2.1.59 clwstermanagement 2.1.57 cODlexity 2.1.28 portability cOmputati0na 12
GB/T35295?2017 containerizedvirtualization 2.1.65 2.2.1 data 2.1.37 dataatrest 2.2.12 datacenter datacharaceristichierarehy 2.1.51 2.1.8 datacOnSunmel 2.1.43 data 2.1.36 data m0tiOn 2.1.2 datH 2.2.3 data 2.2.9 datH 2.1.10 data 2.2.2 datH 2.1.5 2.1.40 SciencG paradigm 2.1.41 2.1.42 2.1.46 2T2 2.1.35 2.2.6 DDP 2.1.22 distributedcomputing 2.2.6 distributeddataprocessing 2.1.21 distributedfilesystem 2.1.39 federateddatabasesystemm 2.1.56 graphicealmodel 2.1.17 horizontalscaling 2.1.64 h0stedvirtualization 2.1.9 infrastructureframew0rk internetof 2.2.11 fthin OT 2.2.11 2.2.15 key-Valuestructure 13
GB/T35295?2017 ifteyclemdlelorbig 2.1.26 data 2.1.45 inkeddata massivelyparallelprocessing 2.1.20 messaging/communieationsframework 2.1.12 metadata 2.2.7 2.1.63 nativevirtualization 2.1.62 networkfwnctionvirtualizat I non-relationalmodels 2.1.38 2.1.54 ontology 2.1.44 opendata 2.1.11 processingframework provenance 2.1.47 relationaldatabase 2.2.5 2.2.4 relationalm0de 2.1.13 resourcemanagementframework 2.1.58 resourcenegotiatiom scalabledatastores 2.1.53 scalablestreamproeessins 2.1.52 2.1.23 scattergather 2.1.27 Schema-on-read 2.1.61 2.2.8 semanticmetadata 2.1.50 share-diskfilesystems 2.1.61 softwaredefinednetwork softwaredefinedstorage 2.1.60 streamingdata 2.1.24 structureddata 2.2.13 2.1.4 systemorchestrator 14
GB/35295?2017 ablestreture 2.2.14 2.1.55 taXOnOmieS unstructureddata 2.1.25 validity 2.1.32 2.1.30 Value veracit 2.1.29 verticalscaling 2.1.16 volatilit 2.1.31
GB/T35295-2017：信息技术大数据术语
随着互联网和物联网的普及，越来越多的数据被收集和存储下来。这些数据对于企业、政府和科研机构的决策和分析都具有重要意义。而在信息技术领域，大数据术语也日益丰富和复杂。本文将介绍一些常见的大数据术语，以帮助读者更好地理解和应用大数据技术。 1. 大数据（Big Data）：指的是规模巨大、类型多样、处理复杂的数据集合。通常需要使用各种大数据技术进行存储、处理和分析。 2. 数据挖掘（Data Mining）：是从大量数据中提取知识和信息的过程。通过应用统计学、人工智能和机器学习等技术，挖掘出潜在的数据关系和模式。 3. 机器学习（Machine Learning）：是一种通过算法让计算机自动学习的方法。通过对大量数据进行学习，让计算机可以预测未来的趋势和结果。 4. 人工智能（Artificial Intelligence）：是一种让计算机表现出智慧的技术。通过模仿人类的思维方式和行为，让计算机可以自主地进行决策和行动。 5. 数据仓库（Data Warehouse）：是一种专门用于存储大量数据的数据库系统。它通常采用多维数据模型，支持高效的查询和分析。 6. NoSQL数据库（Not Only SQL Database）：是一种非关系型数据库。相比传统的关系型数据库，NoSQL数据库更适合处理大量非结构化数据和分布式数据存储。 7. 云计算（Cloud Computing）：是一种基于互联网的计算服务模式。通过将计算资源、存储资源和应用程序等服务集中在云平台上，实现按需使用和按需付费。 8. Hadoop：是一种开源的分布式计算框架。它可以处理大规模数据，并且具有高容错性和可扩展性。 9. Spark：是一种快速而通用的大规模数据处理引擎。它可以处理内存和磁盘上的数据，并且比Hadoop更加快速和灵活。 10. 数据可视化（Data Visualization）：是一种以图形的方式呈现数据的方法。通过图表、地图、仪表盘等形式，让数据更加直观和易于理解。 以上是一些常见的大数据术语，它们广泛应用于企业、政府和科研机构等领域。随着技术的不断发展，大数据术语也会不断更新和丰富。因此，对于信息技术从业者来说，了解和掌握这些术语至关重要，可以帮助他们更好地应用大数据技术，推动业务发展和创新。当然，除了以上这些术语之外，还有很多其他的大数据术语，比如分布式计算、数据清洗、数据预处理等。掌握这些术语不仅可以帮助我们更好地理解和应用大数据技术，也可以提高我们与相关领域人员的沟通和交流效率。 总之，大数据正在成为信息技术领域中的重要趋势，掌握大数据技术和术语已经成为从业者必备的能力。通过了解和学习这些术语，我们可以更好地理解和应用大数据技术，推动信息技术领域的发展和创新。
信息技术大数据术语的相关资料
- 反垃圾信息技术要求GB/T26265-2010
- 信息技术软件资产管理：GB/T26236.1-2010
- GB/T26228.1-2010信息技术自动识别与数据采集技术条码检测仪一致性规范第1部分：一维条码
- GB/T26227-2010信息技术自动识别与数据采集技术条码原版胶片测试规范
- 信息技术开放系统互连一致性测试方法和框架第6部分：协议轮廓测试规范GB/T17178.6-2010
- 道路交通信息服务通过蜂窝网络发布的交通信息GB/T29111-2012
- 云制造术语GB/T29826-2013解析
- 信息技术安全技术匿名实体鉴别——基于弱秘密的机制GB/T34953.4-2020
- 介绍GB/T35589-2017大数据技术参考模型
- GB/T35295-2017：信息技术大数据术语
- 设备工程监理规范GB/T26429-2010
- 市场、民意和社会调查服务要求GB/T26316-2010
- 光学和光学仪器环境试验方法第1部分：术语、试验范围GB/T12085.1-2010简介
- 水果和蔬菜形态学和结构学术语GB/T26430-2010
- 洁净室及相关受控环境第7部分：隔离装置（洁净风罩、手套箱、隔离器、微环境）GB/T25915.7-2010
