典型的數據分析系統，要分析的數據種類其實是比較豐富的。依據來源可大體分為以下幾個部分：

?

圖：數據分析系統數據來源

1．?業務系統數據

業務系統產生的數據是不可忽視的，比如電商網站，大量的訂單數據看似雜亂無章，實則蘊含潛在的商業價值，可以從中分析進而進行商業推廣，產品推薦等。

另一角度來看，業務系統數據獲取成本低、方式容易，屬于公司內部范疇。業務系統的數據一般保存在關系型數據庫當中。獲取形式有：

接口調用：直接獲取業務系統數據庫的數據，但是要注意不能影響業務系統數據庫的性能，比如大量獲取數據增大數據庫讀數據壓力。

數據庫dump:非高峰時段，或者在數據庫從庫上dump出全部數據。一般企業中會定時進行數據庫的備份、導出工作，那么就可以共享使用這些數據。

比如MySQL數據庫，使用mysqldump工具就可以進行數據庫的導出。

mysqldump -uroot -pPassword [database name] [dump file]

mysqldump命令將數據庫中的數據備份成一個文本文件。表的結構和表中的數據將存儲在生成的文本文件中。

2．?爬蟲數據

在進行網站數據分析的時候，除了內部數據之外，還有一部分數據是我們不能夠忽視的。那就是所謂的外部數據。當然這是相對公司網站來說的。擁有了外部數據可以更好的幫助我們進行數據分析。

爬蟲（Web crawler），是指一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本。它們被廣泛用于互聯網搜索引擎或其他類似網站，可以自動采集所有其能夠訪問到的頁面內容，以獲取或更新這些網站的內容和檢索方式。

電子商務行業最初的爬蟲需求來源于比價。這是某些電商網站的核心業務。大家如果買商品的時候，是一個價格敏感型用戶的話，很可能會使用比價功能。毫無懸念，會使用爬蟲技術來爬取所有相關電商的價格。

當然，這并不意味著大家喜歡被爬取。于是需要通過技術手段來做反爬蟲。

總結

以上是生活随笔為你收集整理的大数据离线阶段Day5之多彩缤纷数据源的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。