在数据预处理过程中，主要未完成哪些操作？

虽然挖掘出端本身则会有很多原始在线，但是如果要对这些海量原始数据进行有效的量化，还不应将这些来自前端的原始数据借助于到一个分散的大型号分布式原始在线，或者分布式存储集群，并且可以在借助于的基础上花钱一些有用的清扫和程序中文书工作。也有一些用户则会在借助于时使用来自Twitter的Storm来对原始数据进行流式计数，来符合部分业务的系统对计数所需。借助于与程序中处理过程的特点和挑战主要是借助于的原始开销大，每秒钟的借助于量经常则会大幅提高百兆，甚至千兆级别。在原始数据程序中处理过程主要已完成对已接收原始数据的有系统、提炼出、清扫等可用：

1）提炼出。因受益的原始数据意味著具有多种结构上和类型号，原始数据提炼出处理过程可以将这些复杂的原始数据转变成为单一的或者便于处理的反式号，以大幅提高较慢量化处理的用意。

2）清扫。对于挖掘出到的大原始数据并不全是有意思的，有些原始数据并不是所关心的内容，而另一些原始数据则是完全错误的妨碍项，因此要对原始数据通过过滤“去画眉”从而提炼出出有效原始数据。

大原始数据存储与管理技术是用存储器把挖掘出到的原始数据存储起来，建立相不应的原始在线，并进行管理和子程序。由于从多渠道获得的原始原始数据常常缺乏正确性，这导致国际标准处理和存储技术失去可行性。并且原始数据慢慢上涨引发携带型系统的稳定性慢慢攀升，即使慢慢大幅提高硬件内置也不能跟上原始数据上涨的速度。目前，大原始数据存储技术须要解决的是：

1）符合原始数据海量化和较慢上涨所需，存储的硬件体系结构和可用系统的性价比要大大高于传统技术，存储容量计划不应可以无限制扩张，且要求有不亚于的容错能力和并发读写能力。

2）处频新颖的原始数据，这要求大原始数据存储管理系统很难对各种非结构上化原始数据进行高效管理，代表者的产品如：谷歌BigTable和HadoopHbase等非关系型号原始在线(NoSQL)。