在对数据进行使用前，首先要确保其结构良好、准确可靠。这就是数据预处理过程，包括数据的收集、清洗、整合等一系列步骤。
大数据体量极大，以至于我们无法在单个计算机上对其进行存储和计算。为此，我们需要完成大规模计算系统的搭建，这就需要用到Hadoop和MapReduce。 sEIw979a1tF8uK1g7UX8wbLUYmibwa29MPVYmtfaR0CvkBzo8nK3BNCMcKiSr6ti
