第2章
大数据采集与预处理

千里之行，始于足下。大数据采集和预处理是整个大数据处理流程的起点。数据虽然是非常宝贵的资源，但是不对这些资源进行采集，并转化为方便存储和利用的格式，就不能充分发挥其价值。本章首先介绍大数据采集的基本概念、数据来源、采集工具和方法。采集到的数据需要经过数据清洗、数据转换等预处理，得到干净有效的数据，才能保证后继数据分析得到可靠的结果；然后介绍大数据采集和预处理的方法和常用工具，并给出了典型例子。