在实际的工作环境下，许多人会遇到海量数据这个复杂而艰巨的问题，它的主要难点有以下几个方面：
一、数据量过大，数据中什么情况都可能存在。 数据挖掘实验室
如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑， 如果数据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出 了问题，尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了。 数据挖掘论坛
二、软硬件要求高，系统资源占用率高。 数据挖掘交友
对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源。一般情况，如果处理的数据过TB级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大CPU和内存，就象面对着千军万马，光有勇气没有一兵一卒是很难取胜的。 数据挖掘研究院
三、要求很高的处理方法和技巧。 数据挖掘实验室
这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验的积累，也是个人的经验的总结。没有通用的处理方法，但有通用的原理和规则。 数据挖掘论坛
下面我们来详细介绍一下处理海量数据的经验和技巧：
数据挖掘交友
一、选用优秀的数据库工具
现在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用 Oracle或者DB2，微软公司最近发布的SQL Server 2005性能也不错。另外在BI领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的ETL工具和好的OLAP工具都十分必要， 例如Informatic，Eassbase等。笔者在实际数据分析项目中，对每天6000万条的日志数据进行处理，使用SQL Server 2000需要花费6小时，而使用SQL Server 2005则只需要花费3小时。 数据挖掘研究院
二、编写优良的程序代码 数据挖掘交友
处理数据离不开优秀的程序代码，尤其在进行复杂数据处理时，必须使用程序。好的程序代码对数据的处理至关重要，这不仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好的程序代码应该包含好的算法，包含好的处理流程，包含好的效率，包含好的异常处理机制等。 数据挖掘研究院
三、对海量数据进行分区操作
数据挖掘实验室
对海量数据进行分区操作十分必要，例如针对按年份存取的数据，我们可以按年进行分区，不同的 数据库有不同的分区方式，不过处理机制大体相同。例如SQL Server的数据库分区是将不同的数据存于不同的文件组下，而不同的文件组存于不同的磁盘分区下，这样将数据分散开，减小磁盘I/O，减小了系统负荷， 而且还可以将日志，索引等放于不同的分区下。 数据挖掘交友
四、建立广泛的索引 数据挖掘实验室
对海量的数据处理，对大表建立索引是必行的，建立索引要考虑到具体情况，例如针对大表的分 组、排序等字段，都要建立相应索引，一般还可以建立复合索引，对经常插入的表则建立索引时要小心，笔者在处理数据时，曾经在一个ETL流程中，当插入表 时，首先删除索引，然后插入完毕，建立索引，并实施聚合操作，聚合完成后，再次插入前还是删除索引，所以索引要用到好的时机，索引的填充因子和聚集、非聚 集索引都要考虑。
数据挖掘研究院
