Java中如何解析conf文件，并把文件里面的数据内容自动创表然后自动保存在数据库表中

我接触过一个项目，把UNIX日志数据文件，解析成对象，传输到服务器并保存在oracle数据库。难点在数据文件格式的研究，其它的就比如把大象装冰箱里，哈哈。希望对你有帮助

读取文件，如果是数据文件比较麻烦，因为需要把二进制解析成String或int等。

a 事先需要知道数据文件的格式（每个多少字节是个什么字段，每个多少字节是个完整对象）。

b用RandomAccesFile读取数据文件，跟常用IO流的区别是，它的seek()方法能方便在文件中定位。比如从第n个字节开始读16个字节，是个int型，表示日期。

c 每读取一个数据，解析成int、String等类型，存入下面POJO类的对应属性中。

d 循环直到文件结束。

新建POJO类，用来存放解析出来的数据。

要求POPO对象的属性与数据库表字段一一对应。

将POJO对象持久化到数据库表中。

用jdbc就可以，一条insert语句。需要的话其它OR框架如hibernate也可。

1 建模原则

虽然不同的国家和不同的学者目前对于模型的概念、分类和建模方法的认识很不一致，但是对于矿床模型的要求是基本一致的: 一是能作为该类矿床对比的一个样本，以指导寻找同类型的矿床; 二是能使勘查人员把注意力集中到最有希望的靶区内以及与找矿关系最密切的特征上; 三是能帮助制定合理的勘查战略和选择最佳的勘查技术方法及组合; 四是可作为对所代表的那类矿床进行成因解释的基础; 五是可评价预测资源潜力。基于上述 5 个方面的考虑，勘查者希望所建立的模型具有代表性、权威性、实用性和有效性。

关于建模的原则，许多作者都作过论述 ( 孙文珂，1988，1991; E A 科兹洛夫斯基，1988;C B Галюк，1989; A И 布 尔德，1991 ) 。 各作者 所论 述 的 内 容 大 同 小 异， 这 里 以 C B Галюк( 1989) 的观点为基础，论述找矿模型的建模原则。

1) 内容相符性: 在考虑矿床成因、级次、内部结构的前提下，对拟研究的客体作较为系统的科学研究。这样一来，找矿模型应包括成因模型的所有肯定和否定的特征。这一原则要求完整而可靠的原始资料。最有代表性的模型可以依据矿床开发勘探或详细勘探的资料建立。从众多的原始资料中，选择关键性找矿指标是建立找矿模型的关键。应以某种成矿理论为基础，把不同的成矿理论看成是相互补充的，而不是相互对立和相互排斥的。当对某一地区成矿观点存在重大分歧时，应更多考虑观测事实和找矿标志。

2) 相近性或相似性: 它意味着拟建模型与成矿客体在给定的关系 ( 比例尺) 上是相符的、类似的，由此研究者便可得到客体空间结构和形态的概念。几何模型具有这种性质，但描述性和解析性模型没有这种性质。

3) 选择性: 有选择性地表示出各个标志，以便能对每一种标志作出客观的评价，并为以后将其归并成指示标志提供依据。

4) 综合性: 模型应尽可能考虑成矿客体的各种性质，即模型应是多因素的，但又不能夹杂过多不能提供预测信息的特征，最终方案应能保证用最少的要素、标志和关系来解决所提出的任务，并应尽可能做到一目了然。它可保证在以最小的误差对矿床的立体情况作连续描述的基础上，完整地表示出地质、地球物理和地球化学特征。

5) 可度量性: 它决定了要按严格规定的标度 ( 比例尺) 作出定量描述。实现这一原则的办法是，将大部分原始资料转换成数字形式，并用数学处理的技术手段完成按常规处理的那部分工作。

6) 可比性: 这一点既可以使系统 ( 模型) 的不同要素进行对比，又可以从整体上将不同的系统( 模型) 作对比。突出通用性指标，可以使同一类型矿床或不同类型矿床之间找矿模型进行对比。

7) 直观性: 模型应该易于理解和研究，既要包括主要的找矿特征和标志，又要避免模型的复杂性，切忌所有资料的堆砌。

8) 规范化: 模型研究应在统一的框架下，以便尽可能多地收集相关的信息，从中筛选出关键的因素，同时便于不同类型模型间的对比，指导新类型矿床找矿模型的建立，以便于找矿模型向数字化和定量化方向发展。

2 建立找矿模型的方法和程序

一个较为完善实用的找矿模型的形成，都需要经过全面有针对性地收集和分析有关资料 ( 包括选择有代表性的地区和矿床，开展必要的补充研究，选择适当的度量单位、预测标志和特征等) 、建立模型、使用模型的过程，对模型的可靠性和适用性做出评价，并不断地完善已建模型。建立模型的过程是对成矿作用不断深化认识的过程 ( 专栏 3 －1) 。

专栏 3 －1 盲人摸象与模型建立的过程

有一个寓言讲述的是 3 个盲人被要求描述一头大象长什么样。第一个盲人摸到大象的尾巴，便说: “大象就像一根绳子”。第二个盲人摸到了大象的鼻子，便说: “大象就像一条蛇”。第三个盲人摸到了大象的腿，便说: “大象就像一根树干”。

很显然，这 3 个盲人的结论都不充分，但是表达了人们认识客观事物的普遍规律。他们使用的方法在科学中却经常被采用。每个人都收集到他个人所能得到的证据，然后尝试着形成对这只未知动物的心理映像。他们的映像并不准确，这反映出每人所收集到的证据的局限性。这 3 个盲人如何才能设法将大象描述得更准确 他们可以把各自的信息集中在一起。他们也可以进一步观察，也许以某种系统的方式，每个人研究大象的某一部分。在每一步研究中，若他们相聚在一起传达并讨论各自的发现，就会形成一个崭新的、更准确的映像。最终，在大量的观察和推测之后，他们就可能会了解大象到底是什么样子。这些盲人就会形成对大象结构的一种理论或模型。建立能够表达未知事物本质的心理映像的过程，实质上是建模的过程。

建模一般采用归纳、总结和类比的方法，使所建立的模型能具有代表性和实用性。具体的建模原则取决于模型的最终用途和利用模型的方法，即首先应根据建模的目的和可能的条件确定应建模型的类型和要求，以使所建模型与提出的任务相适应。

对于找矿模型的建立，一般有演绎推理法和归纳法两种。

( 1) 演绎推理法

演绎推理法，也称成因法。先建立一个拟建成矿客体的形成过程模型，通常就是成因模型。在此基础上，查明成矿客体的地质、地球物理、地球化学标志和准则。对不同类型的对象，要采用特定的成因方法，也就是说，地质找矿模型最好建立在地质成因模型的基础之上。通过对矿床成因模型的研究，查明控矿地质因素及其地球物理、地球化学表现，进而将这些因素转化为地质、地球物理和地球化学标志。例如，一般认为稀有金属矿床与花岗岩体有成因关系，据此认为，与整个侵入体和岩体顶部岩钟状突起相对应的重力场的局部最小值是稀有金属矿田。因此，利用地球物理场与岩体大小、岩石物理性质、地质模型中其他特征的关系，可以估计预测模型中地球物理组成各要素的大小、强度等参数。

演绎推理法是建立在成因关系的基础上的，找矿标志具有内在的成因联系，因而具有较为可靠的基础。在建立找矿模型时，要从不同观点的成因模型中选择识别标志。识别标志要从充分性和必要性这两方面加以评价，也就是说，经过充分性检验的识别标志，可以提高某个地区发现矿床的概率。然而，成因法只能在已有理论的基础上说明成矿的细节，它不易取得认识上的突破。

(2)归纳法

归纳法，也称共生法，就是归纳已知普查对象的资料，确定其最典型的准则和标志。这种建模方法需要建立在一定观测样本(矿床数量)的基础上，所选的矿床要有代表性。对于那些不可靠的指标，不应列入模型的主要参数之列。对所选定的参数，应考虑不同研究对象可能会有一定的变化。

由于归纳法所确定的参数在很大程度上属于统计结果，不一定存在成因关系，因此在实际运用的过程中要十分注意。建立找矿模型的最后一个阶段是反馈或评价阶段，即把问题公式化来检验模型。模型必须经过验证，因为将资料简化成模型存在一系列歪曲客观事实的风险，资料越简单，模型中的噪音就越多。模型的成败取决于模型的原始假设。最终要看它是否能通过检验、可行。

找矿模型的建模程序可归结为(图3－1):对许多同类矿床，特别是对其中典型矿床的资料进行全面收集、分析和研究，查明其共有的地质特征、成矿规律、控矿因素、其他有关参数及其相互关系，包括根据建模要求开展必要的补充研究，在此基础上首先建立矿床描述性模型，在进行理论分析及其他有关概括的基础上，建立矿床成因模型和经验模型，并确定出有用的地质、地球物理、地球化学找矿标志与准则，进而建立找矿模型。对已建模型进行验证和反馈评价，并在实践中进一步完善和深化已建模型。

图3－1 找矿模型建立流程示意图(引自孙文珂，1988，稍作修改)

3找矿模型的表达方式

1)文字描述式找矿模型:文字描述式即按一定的格式要求，描述找矿模型。文字描述式容易表达、简单实用，但不易表达各参数之间的相互关系。

2)表格式找矿模型:在文字描述的基础上，将模型的基本要素按一定的表格形式列出。其特点是简单明了，利于不同找矿模型之间的对比，同时也便于找矿模型的标准化，为建立找矿模型数据库奠定良好的基础。

3)图示式找矿模型:按一定的图式以剖面或断面、平面、立体的形式表达的模型，其特点是内容直观，便于记忆和查阅。近年来，随着计算机三维模拟技术的发展，可以表达找矿模型不同深度(高度)各参数的特征，并以可视化方式展示。

为了表达方便和准确，图、表混用是建立找矿模型通常的做法，这样可以充分发挥表格与图形的优势特点。一般性特征以表格方式表达，对于关键性特征及其空间关系用图件表达。

此外，随着矿产资源定量预测技术的发展，找矿模型正朝定量化、数字化方向发展。

2011年11月15至18日，山东省东营市第六届红色收藏交流会招开。这是当年全国性红交会的尾声，**海报收藏“四大天王”江苏华瑞芯、东营李英华、安徽王正鹏、兰州廖元林先生等云聚。但是，**海报收藏大家们并不是忙于营销海报，更不是炫耀藏品的多寡，而是急切希望听到来自北京的“中央十七届六中全会”关于“推动文化产业成为支柱性产业”的最新消息。依托文化资源，发展文化产业，并以之成为新的经济增长点。支柱性文化创意产业对收藏文化向顶级高端市场迈进，同时满足各类爱好者和收藏者需要的大众市场如何发展才是方向性的中心话题。

引导规范创意三箭齐发

红色文化遗产守着一座金矿，而且是名符其实的“富矿区”。创意文化产业正以其雄浑深蕴、富含创新活力的文化精神，向世人显示着其独特魅力，“大国大文化”将影响深远。“十七届六中全会”精神不是短期行为，而是十年、二十年的国家意志。我们的红色收藏带来的不仅是感受和享受，更是思索和求索。时间横跨整个世纪，恰巧从中国翻天覆地的1911年，途经五四运动和中国***创建，直至新中国诞生——这俨然是整个100年中国近现代历程的缩影。红色收藏品，实际上提交了几组关于中国革命史的“同一主题”的“不同变奏”，具有内在的贯穿性。其中哲学和社会学素材的影响是非常显著的，“中国思想”由此得到明确的昭示。红色收藏刚好提供了某种史学上的过渡，既接续了传统，又开启了“现代”，我们已经完全走进“十七届六中全会”精神的特殊音响世界中。红色收藏以极端的精确度靠近史学的真实，完全能从中开掘出令人意想不到的文化表现力。

创意是一个仍在形成中的主观概念，没有一个唯一的定义。创意产业是创意经济的核心。联合国贸发会议关于创意产业的分类是文化遗产、艺术、媒体和功能创意4个组别。其中，文化遗产又可以分为传统文化表现形式(艺术与手工艺品、节日与庆祝活动)和文化场所如考古遗址、博物馆等；艺术可以分为视觉艺术和表演艺术；媒体包括出版和印刷媒体、视听产业；功能创意包括设计、新媒体(指软件、视频游戏、数字化内容)、创意服务。从十几年的收藏文化发展与文化种类所揭示的内容上看，红色文化发展大都为零碎宣传与馆合展示为重点，从广泛性与利用空间上基本是分散式发展多一些。过多关注和侧重点大都为：因地制宜、就地取材，粗放型的文化及产业的开发上。然而，在揭示精神与力量主线展示上，却缺少一个完整的支持系统。特别是倾注历史的作品上、创业历史上暴露的更突出些。

优化、提升、完善、扩大文化市场竞争力的关键是培育骨干文化产业和****。必须要形成一支配套完整的组织建设、机制建设、制度建设。红色文化遗产开发方面，只要引导和规范到文化体验和收藏乐趣上，构筑全新的创意内容就指日可待。

营销展览讲座游览四位一体

用科学发展观理解红色文化创意产业，在这个日益被图像、声音、文本和符号充斥的世界，文化产品制造、消费和交易的整体模式正在被重塑。这需要我们红色收藏爱好者把握经济、文化、技术与社会之间的关联作用，留心经济发展的趋势及人们今后的生活方式，掌控转型期特征，创意与完善自身知识结构，引导更多人加入我们的行列。

创意产业中附加值高、增长率高的子群如展览和讲座主要还是来自收藏家群体。营销和游览红色文化遗产，本身就是最重要的创意产品。多种组合及不同城市间的穿插，增长得越迅速，领先优势越明显，越能积聚文化认同和熨平经济差异。红色文化创意产业恰恰就可以担当这个角色，创意产业的主体还是红色收藏家。交流、认同、理解，演讲是最好的推广案例。

政府企业媒体藏家机构五味俱全

红色文化因“包容”而多元。红色收藏家的经验和经历是创意产业的内容制作与生成的关键角色。媒体是创意产业中一部分，最具先进的理念，不仅能让政府了解，更能让企业和机构了解红色文化创意的终极目标。传统的古玩交易方式、独特的趣味性民俗性、千奇百怪的藏品、一流的市场设施、巨大的客流人气，同样是红包文化创意产业的增长要素。创作人才队伍的匮乏、收藏研究出的结果知晓的人很少、研究涉及的领域、事件深层次、内涵的东西并不多。从总体上看，红色文化的开发一直缺少一个主线引导和领导。与文化发展相比，在特色文化、特色产业、文化创意与发展问题上，多年来，我们并没有充分利用好这个平台，而且，一直以来是个弱势项目。

红色收藏家的“合法身份”是良性循环的前提，“商圈”、“超人气”、“频道语言”、“融资”、“内容价值评估”……文化产业专门公司的作用及完成保证制度，同样是重中之重。要将这些碎片拼接在一起，形成一条主线鲜明、历史清晰的历史叙事给大家，要在实现社会效益和经济效益双赢的同时，提升和优化文化产业结构。要使红色文化真正成为一项战略产业、支柱产业、新兴产业，以适应形势发展的需要，在选材、创作上要专业创新，总结全新的经验。

人民出版社牵头的国家“十二五”社科重点出版工程“中国***思想理论资源数据库”项目五年内总投资46亿元，就是红色文化创意产业的创新典范。该项目盛邀民间红色收藏家参与，许多亮点得到完善。而天津滨海新区首届全国红色文化展交会以展厅面积最大(8000平方米)、门类最全、参展人数最多(300人)、活动最丰富、成交额最高、档次最理想响誉全国，其硬件投资119万，软件投资25万元，这正是政府、企业、媒体、藏家、机构、五味具全的案例。

顶层设计与呼唤大师

品牌是商业竞争的基本单位。红色文化创意产业绝无例外。红色文化创意产业发展的战略应该自下而上产生，建立红色文化品牌认知度是关键。中国大众收藏文化的象征是难以估价的一笔无形资产。红色收藏家定位清楚就能成功。品牌的持续优势是不存在的，只有打破现状才能获得一系列短暂优势。因此，长期的成功需要动态战略，不断地去创造、毁灭又再造短期优势是“金钥匙”。我们为了了解大象，不得不把注意力聚焦于象牙、身躯、尾巴等等各个部分，而且也有理由把这些局部弄得更清楚。但更重要的是，我们需要超越每个门派的狭隘，需要把这些更多的收藏门类结合到一起来掌握这只大象。除了探索局部之外，我们还必须对战略形成的整体给予更多的关注。

从土著、草根儿而发展了三十年的大众收藏文化，初级淘宝者分离出收藏家。中国的文化创意产业迅猛发展，实现高速跨越式增长的模式，是找到一种方式来吸引投资者使用最新的技术来建立一些机制。同时，我们还要建立多目标战略，要综合使用我们所有的创意来找到一种新的解决问题方式，非常重要的一点就是要建立合作伙伴关系以及战略同盟关系，从而进一步推动有活力的经济增长。必须线条清晰，目标明确，充分利用和调动好文联、作协、文化、出版、宣传等单位功能作用。有组织、有系统、有任务、有项目、有节奏，集中合力，实施红色文化重点开发工作。着重在大项目、精品项目的启动与开发，来渗透、引领附加产品和新兴产业快速发展。我们甚至可以从一种新的理念模式上思考如何建立一种创意性的市场，进行资源安排，使得更多机构参与进来，使用网络平台进行动员，吸引非金融领域的投资。同时思考几种可行的方式来建立新的融资机制，开创红色文化创意产业与金融资本对接通道。

在政府的直接参与下，对红色历史、文献、传说等进行广泛的收集与梳理，并进行再创作，使其艺术化、形象化、知识化、产业化，才能使红色文化真正成为经济振兴的重要组成部分。审视、重筑红色文化，任重道远。红色文化创意产业呼唤大师的出现。

一、在SQL Server中存储过程不会影响性能。\x0d\1、只会大大的减轻服务器的压力，而不会增加，只有不合理的存储过程才会造成服务器性能下降的恶果。一个大型的数据库，一般存储过程也不会超过几千个，对当前的数据库及它依附的硬件来说，这点儿负载是大象身上的老鼠，负载基本可以_略不计。\x0d\2、但是，存储过程是批量的SQL语句的合成，如果设计上混乱，引发死循环、死锁、大范围查询、临时表没有及时清理释放等问题的情况下，是会严重影响服务器性能的，但这根子不在存储过程上，而在于存储过程的设计上。错误的SQL代码指挥服务器，无论它的形式是存储过程，还是客户端及时发向数据库的请求，都会使服务器出现问题。\x0d\\x0d\二、相关扩展\x0d\1、在当前，针对数据库的编程设计，没有存储过程是不可想象的，这就象某个公司的大型货品仓库中没有仓库保管员一样，所有的货品进出都得进货员或销售员去临时取放，会严重降低工作效率。\x0d\2、存储过程在数据库中无论是否编译好，其效率都要比客户端临时向数据库发送指令调数据来得要高，因为至少减少了发向服务器的指令的量。况且很多的中间值、临时值如果不通过存储过程来实现的话，就只能先全取到客户端，这样会大大增加网络负担与服务器的负钽。\x0d\3、正如微软所说，存储过程来实现，可以使得很多中间量不必传入到客户上，客户端只能得到需要的结果，所以同时可以提高安全。

发展方向

大象出版社，其前身是河南教育出版社。自1983年建社以来，该社从一家只有12人、20万元资金的地方教育出版社，发展到现在年销售3个多亿、资产总额达到22亿元实力雄厚的中国优秀出版社，也是河南省唯一一家中国优秀出版社。2006年，该社被确定为我省第一批文化体制改革试点单位，通过不断改革与创新，大象社正一步步实现自身的繁荣与发展，并渐次开启书籍中一座座精美的“黄金屋”。

目前，大象社已基本形成编、印、发、物配套齐全，书、报、刊、网络、数字出版良性互动的跨媒体运营的多元化发展格局。25年来，该社共出版了8000多种图书，印数超过20亿册，有400多种图书获得包括国家图书奖、中宣部“五个一工程”图书奖、中国图书奖在内的省、部级以上优秀图书奖。

调整结构“大象”树品牌

1“只有不断改革与创新，才能促进进一步繁荣；只有持续繁荣，才能获得长远的发展。在进行了“三项制度改革”和组织结构调整的基础上，大象社积极调整出版物结构，实施品牌带动战略，进一步增强了出版社发展的核心竞争力。

以服务教育为中心、为核心，以出版基础教育类出版物为基础，以教材开发与推广为重点，以精品品牌图书为社创名牌骨干，以走市场学生用书为突破口，多种媒体并举，走市场化道路”，被确定为大象社“十五”期间的战略重点。经过多年的努力，大象社的出版体系正在逐步形成。尤其是在出版品牌教材、品牌教辅与品牌一般图书方面，已形成了自己的特色，并在国内产生了相当影响。

小学《科学》、初中《地理》、高中《历史》、《书法艺术》、《现代社交礼仪》等多种名牌教材的出版，基本形成了从小学至高中12个年级，新课标教材与职业教育教材相结合的大象版品牌教材体系；除多年来打造的“基础训练”与“寒暑假作业”外，“大象考王”系列图书，也已成为我省万千学子必备的王牌教辅。“龙班题典”、“龙班智慧阅读”丛书等也有望成为新的市场品牌。此外，古代文化名人系列、国际汉学研究系列等多种特色图书的出版，也为进一步优化图书结构、提升出版品牌奠定了基础。

整合资源，“大象”增实力

近年来，大象社始终将一业为主、多元发展作为应对未来出版形势变化的主要措施。在坚持出好纸介质图书的前提下，先后创办了《寻根》杂志、《今日英语报》，并对《中学生学习报》实施战略重组。目前，《中学生学习报》发行量达12亿份、居全国第一，为出版社在跨媒体、多元化方向发展的道路上迈出了坚实的一步。

为提高集约化经营程度，大象社还对现有编辑资源进行整合，不但积极调整社内机构设置，还探索建立了图书出版的事业部运行机制，先后成立了北京事业部、尚品图书和考试图书事业部。2007年初，尚品事业部出版的《经典河南》一书，已印刷到1万套，取得了良好的经济效益和社会效益。同时，大象社还通过加强与省内作者资源的联系，与中科院、北京图书馆等研究单位建立长期合作关系，聘请国内外专家进行讲学等方法，整合出版资源，提升出版品位。

改革创新 开启“黄金屋”

针对时代需求，大象社还加快了社内的科技发展和出版业的数字化进程：建立本社的局域网，在编辑、出版、管理流程上逐步实行网络化管理，以提高科学管理水平，增强快速反应能力；建立大象社网站，将部分图书与杂志内容制作为网络版，供读者阅读与下载，扩大了社会影响，为电子读物的出版奠定了基础。同时，该社还积极从事图书的数字化出版工作，结合本社的图书出版情况，每年网络出版新书60种。“大象基础教育网”和数据库的出版工作也在积极进行中。

在积极开展版权贸易，实施“走出去”战略方面，大象社通过建立版权贸易专业队伍，充分考虑版权贸易可行性，确定引进版权重点等措施，近几年已累计进行版权贸易140多项。仅近两年，该社卖出的版权就有100余种，且70%是传统文化方向的，远远高于引进的版权。在海外汉学领域，大象社正逐步成为国内出版基地。

近年来，在教材降价14%，学生人数下降3%至4%，市场竞争空前激烈的情况下，大象社仍取得了销售收入连年增长、库存图书及应收款显著下降的良好经营成绩。目前，大象出版社正以大象那样脚踏实地又善于负重、栉风沐雨却坚忍不拔的精神，开拓创新、勇往直前。

B是业务，即企业;

C是客户，即客户。

BTOB-商业模式：从企业与企业，买家和卖家都与阿里巴巴之类的公司。

C1至C-经营模式：从客户到客户，买家和卖家是个人，是个人与个人之间的直接交易，当然一些拍卖网站，如淘宝，有顶店，店属于B到C

B到C-企业客户，卖方是一家公司，买方为个人的，主要指的是零售业务，如卓越网，当当网都。点击看详细电子商务和电子商务商业模式的商业模式是一样的。以下是内容：

主要有4种

B2B是企业与企业之间的B2B网上交易是指企业对企业，企业即（指企业）电子商务对企业

B2C（企业对客户）电子由一个-commerce交易对象分类，这意味着消费者电子商务企业。这种形式的电子商务一般的零售网络，通过互联网网上销售活动的手段，主要是进行。

C2C电子商务是指消费者（消费者）之间的消费者（消费者）。打个比方，比如一个消费者拥有一台旧电脑，通过网上拍卖，把它卖给另外一个消费者，这种类型的交易被称为C2C电子商务。

C2B是电子商务模式，即消费者业务（客户企业）。第一个d出美国消费者业务（C2B）模式可能是一个关注的尝试。核心C2B模式，是通过聚合大量用户，为了改变B2C模式中用户一个出价的弱势地位，以便享受大批发商支付利息物品的价格形成一个强大的采购集团的。目前采用这种模式

完全正确的电子商务商业模式的少数厂家是电子商务模式的主要内容，包括：

1，直销模式。

2，黄页模式。

3，优惠券模式。

4，佣金模式。

5，以预定的图案。

6，样板市场。电子商务应用模式

B2B（企业对企业）B2C（企业用户），C2C（用户和用户），G2C（政府和用户）电子商务应用模式1，应用模式的网络无形的产品和服务的信息传递函数本身的，但也信息处理功能。因此，无形的产品和服务，如信息，计算机软件，视听娱乐产品，常常可以直接通过网络提供给消费者。电子商务模式，无形的产品和服务主要有以下四类：网上订阅模式，付费浏览模式，广告支持模式和网上礼品模式。

（1）网上订阅模式。网上订阅模式是指通过网络企业安排直接向消费者网上申购，消费者浏览电子商务模式的信息。网上营业厅网上订阅模式主要用来销售报刊杂志机构，有线电视节目。网上订阅模式有以下几种：①

在线服务在线服务在线运营商通过收取固定的月租费为消费者提供各种形式的在线信息服务。在线服务的共同特点是：一步法

◆基本的信息服务。在线服务提供商通常向用户提供基本的信息服务。用户浏览所提供的信息的在线服务提供商，基本满足信息的日常收集的要求。

◆可靠的网络安全。因为在线服务在专用网络上运行，通过网络服务提供商的网络连接的安全直接连接到互联网，而不是是可靠的。美国的一些银行，如美国银行和联合银行通过网络提供结算服务。

◆提供支持服务，以新的用户系统。在线服务供应商无论是通过计算机网络，以及新的用户通过电话提供支持服务。

②网上发布。在线出版通过互联网是指电子出版物的非纸媒体出版商给消费者。所谓“上线”通常是指只在网上发布的条款。消费者可以在网上订购，下载信息的出版物。然而，但对于普通消费者来说，通过电子出版物网上申购的销售是很难证明有一定的存在，因为他们基本上可以得到其他方式的相同或类似的信息。因此，网络出版模式主要靠广告支持。

③在线娱乐。现场娱乐表演是在迫不得已的网上销售无形商品和服务的区域。有些网站提供的在线游戏的消费者，并收取订阅费。现在看来，这方面还是比较成功的。

（2）付费浏览模式。付费浏览模式是指企业通过网络计量装置费用，以消费者在网上信息浏览和下载电子商务模式的信息。浏览模式，让消费者根据自己的需求买单，在网站上有一个选择购买的一篇文章，书籍或页面引用书中的篇章;数据库内容也可支付以获得;此外，一次性收费游戏娱乐将是一个非常流行的方式来支付浏览之一。

（3）广告支持模式。广告支持模式是指在线服务商免费的在线服务提供信息给消费者或用户，同时与广告收入运营支持所有的活动。这种模式是最成功的电子商务模式之一。例如，像雅虎（雅虎）等网络搜索服务32'59网站依靠广告收入来维持经营活动。搜索互联网为人们找到的互联网信息浩瀚的相关信息是最基本的服务。大多数企业都愿意设立广告上的信息搜索网站，尤其是通过在联机模式下的付费广告图标设置，让有兴趣的人通过点击图标接入点，你可以直接到达企业网站。

（4）网上礼品模式。网上礼品模式是一种非传统的商业模式，企业的互联网用户在世界各地通过向软件产品的网民以扩大知名度和市场占有率优势的手段。通过允许消费者使用的产品来吸引消费者下载软件的最新版本，或者购买相关附加软件。因为礼物是无形的计算机软件产品，用户都可以免费下载，通过互联网，因此非常低配送成本投资企业。因此，如果实际使用的软件功能，它很容易让消费者接受。

中国参考来源：点击看详细2有形产品和物理应用模式

实物商品是指传统的有形商品和服务，这样的商品和服务不通过计算机信息载体传递，同时还通过传统的方式。虽然在互联网上进行的交易仍然不是很受欢迎的实物商品，但还是取得了很大的进步，网上营业额上升。特点

网上销售的实物商品主要为在线销售市场不断扩大。与传统的店铺销售相比，网上销售业务可以延伸到世界的各个角落。例如，在美国，一个创新的产品，“无盖凉鞋”，其在线销售订单有$20,000南非，马来西亚和日本。一位日本客户在纽约食品公司购买食物，支付运费的产品的同等价值，但是客户非常满意，因为来自日本，当地的，其价格购买相同的产品比较昂贵。

增加，虚拟店面店需要更少的员工，但可以在仓库出售商品。在某些情况下，虚拟商店可以从经销商直接订购，省去了商品店链路。在线销售模式，一些虚拟商店销售的商品特有的更成功。例如，一个虚拟商店，出售相关的商品进行大象网上销售仅两个月，销售额达5000美元。虚拟商店通过其因特网决定销售商品的独特原因更成功，特征和产品的特性。在特定商品市场的实际需求有限，市场上的特殊消费品较为分散，传统实体店的市场覆盖面不足以支撑一个特殊商品店的经营者。互联网上的电子商务刚刚尤其适合销售此类商品。

3集成模型

整合模式是一个多种经营模式，综合运用电子商务活动相结合。由于GolfWeb是一家拥有约高尔夫商务网站3500的信息，这个网站采用的是集成模式。在盈利，40％来自订阅费和服务费的收入，从广告收入，以及收入的25％，35％是专业的零售销售点现场。该网站已经吸引了众多大型企业的广告，如美国银行，美国电话电报公司，其专业的零售收入就开始了为期两个月的高达10万元。

1 大数据兴起预示“信息时代”进入新阶段

（1） 看待大数据要有历史性的眼光

信息时代是相对于农业和工业时代而言的一段相当长的时间。不同时代的生产要素和社会发展驱动力有明显差别。信息时代的标志性技术发明是数字计算机、集成电路、光纤通信和互联网（万维网）。尽管媒体上大量出现“大数据时代”的说法，但大数据、云计算等新技术目前还没有出现与上述划时代的技术发明可媲美的技术突破，难以构成一个超越信息时代的新时代。信息时代可以分成若干阶段，大数据等新技术的应用标志着信息社会将进入一个新阶段。

考察分析100年以上的历史长河可以发现，信息时代与工业时代的发展规律有许多相似之处。电气化时代与信息时代生产率的提高过程惊人地相似。都是经过20~30年扩散储备之后才有明显提高，分界线分别是1915年和1995年。笔者猜想，信息技术经过几十年的扩散储备后，21世纪的前30年可能是信息技术提高生产率的黄金时期。

（2） 从“信息时代新阶段”的高度认识“大数据”

中国已开始进入信息时代，但许多人的思想还停留在工业时代。经济和科技工作中出现的许多问题，其根源是对时代的认识不到位。18-19世纪中国落后挨打，根源是满清政府没有认识到时代变了，我们不能重犯历史性的错误。

中央提出中国进入经济“新常态”以后，媒体上有很多讨论，但多数是为经济增速降低做解释，很少有从时代改变的角度论述“新常态”的文章。笔者认为，经济新常态意味着中国进入了以信息化带动新型工业化、城镇化和农业现代化的新阶段，是经济和社会管理的跃迁，不是权宜之计，更不是倒退。

大数据、移动互联网、社交网络、云计算、物联网等新一代信息技术构成的IT架构“第三平台”是信息社会进入新阶段的标志，对整个经济的转型有引领和带动作用。媒体上经常出现的互联网、创客、“第二次机器革命”、“工业40”等都与大数据和云计算有关。大数据和云计算是新常态下提高生产率的新杠杆，所谓创新驱动发展就是主要依靠信息技术促进生产率的提高。

（3）大数据可能是中国信息产业从跟踪走向引领的突破口

中国的大数据企业已经有相当好的基础。全球十大互联网服务企业中国占有4席（阿里巴巴、腾讯、百度和京东），其他6个Top10 互联网服务企业全部是美国企业，欧洲和日本没有互联网企业进入Top10。这说明中国企业在基于大数据的互联网服务业务上已处于世界前列。在发展大数据技术上，我国有可能改变过去30年技术受制于人的局面，在大数据应用上中国有可能在全世界起到引领作用。

但是，企业的规模走在世界前列并不表示我国在大数据技术上领先。实际上，国际上目前流行的大数据主流技术没有一项是我国开创的。开源社区和众包是发展大数据技术和产业的重要途径，但我们对开源社区的贡献很小，在全球近万名社区核心志愿者中，我国可能不到200名。我们要吸取过去基础研究为企业提供核心技术不够的教训，加强大数据基础研究和前瞻技术研究，努力攻克大数据核心和关键技术。

2 理解大数据需要上升到文化和认识论的高度

（1） 数据文化是一种先进文化

数据文化的本质是尊重客观世界的实事求是精神，数据就是事实。重视数据就是强调用事实说话、按理性思维的科学精神。中国人的传统习惯是定性思维而不是定量思维。目前许多城市在开展政府数据开放共享工作，但是发现多数老百姓对政府要开放的数据并不感兴趣。要让大数据走上健康的发展轨道，首先要大力弘扬数据文化。本文讲的数据文化不只是大数据用于文艺、出版等文化产业，而是指全民的数据意识。全社会应认识到：信息化的核心是数据，只有政府和大众都关注数据时，才能真正理解信息化的实质；数据是一种新的生产要素，大数据的利用可以改变资本和土地等传统要素在经济中的权重。

有人将“上帝与数据共舞”归纳为美国文化的特点之一，说的是美国人既有对神的诚意，又有通过数据求真的理性。美国从镀金时代到进步主义时期完成了数据文化的思维转变，南北战争之后人口普查的方法被应用到很多领域，形成了数据预测分析的思维方式。近百年来美国和西方各国的现代化与数据文化的传播渗透有密切关系，我国要实现现代化也必须强调数据文化。

提高数据意识的关键是要理解大数据的战略意义。数据是与物质、能源一样重要的战略资源，数据的采集和分析涉及每一个行业，是带有全局性和战略性的技术。从硬技术到软技术的转变是当今全球性的技术发展趋势，而从数据中发现价值的技术正是最有活力的软技术，数据技术与数据产业的落后将使我们像错过工业革命机会一样延误一个时代。

（2）理解大数据需要有正确的认识论

历史上科学研究是从逻辑演绎开始的，欧几里得几何的所有定理可从几条公理推导出来。从伽利略和牛顿开始，科学研究更加重视自然观察和实验观察，在观察基础上通过归纳方法提炼出科学理论，“科学始于观察”成为科学研究和认识论的主流。经验论和唯理论这两大流派都对科学的发展做出过重大贡献，但也暴露出明显的问题，甚至走入极端。理性主义走向极端就成为康德所批判的独断主义，经验主义走入极端就变成怀疑论和不可知论。

20世纪30年代，德国哲学家波普尔提出了被后人称为“证伪主义”的认识论观点，他认为科学理论不能用归纳法证实，只能被试验发现的反例“证伪”，因而他否定科学始于观察，提出“科学始于问题”的著名观点[3]。证伪主义有其局限性，如果严格遵守证伪法则，万有引力定律、原子论等重要理论都可能被早期的所谓反例扼杀。但“科学始于问题”的观点对当前大数据技术的发展有指导意义。

大数据的兴起引发了新的科学研究模式：“科学始于数据”。从认识论的角度看，大数据分析方法与“科学始于观察”的经验论较为接近，但我们要牢记历史的教训，避免滑入否定理论作用的经验主义泥坑。在强调“相关性”的时候不要怀疑“因果性”的存在；在宣称大数据的客观性、中立性的时候，不要忘了不管数据的规模如何，大数据总会受制于自身的局限性和人的偏见。不要相信这样的预言：“采用大数据挖掘，你不需要对数据提出任何问题，数据就会自动产生知识”。面对像大海一样的巨量数据，从事数据挖掘的科技人员最大的困惑是，我们想捞的“针”是什么？这海里究竟有没有“针”？也就是说，我们需要知道要解决的问题是什么。从这个意义上讲，“科学始于数据”与“科学始于问题”应有机地结合起来。

对“原因”的追求是科学发展的永恒动力。但是，原因是追求不完的，人类在有限的时间内不可能找到“终极真理”。在科学的探索途中，人们往往用“这是客观规律”解释世界，并不立即追问为什么有这样的客观规律。也就是说，传统科学并非只追寻因果性，也可以用客观规律作为结论。大数据研究的结果多半是一些新的知识或新的模型，这些知识和模型也可以用来预测未来，可以认为是一类局部性的客观规律。科学史上通过小数据模型发现一般性规律的例子不少，比如开普勒归纳的天体运动规律等；而大数据模型多半是发现一些特殊性的规律。物理学中的定律一般具有必然性，但大数据模型不一定具有必然性，也不一定具有可演绎性。大数据研究的对象往往是人的心理和社会，在知识阶梯上位于较高层，其自然边界是模糊的，但有更多的实践特征。大数据研究者更重视知行合一，相信实践论。大数据认识论有许多与传统认识论不同的特点，我们不能因其特点不同就否定大数据方法的科学性。大数据研究挑战了传统认识论对因果性的偏爱，用数据规律补充了单一的因果规律，实现了唯理论和经验论的数据化统一，一种全新的大数据认识论正在形成。

   3 正确认识大数据的价值和效益

（1）大数据的价值主要体现为它的驱动效应

人们总是期望从大数据中挖掘出意想不到的“大价值”。实际上大数据的价值主要体现在它的驱动效应，即带动有关的科研和产业发展，提高各行各业通过数据分析解决困难问题和增值的能力。大数据对经济的贡献并不完全反映在大数据公司的直接收入上，应考虑对其他行业效率和质量提高的贡献。大数据是典型的通用技术，理解通用技术要采用“蜜蜂模型”：蜜蜂的效益主要不是自己酿的蜂蜜，而是蜜蜂传粉对农业的贡献。

电子计算机的创始人之一冯·诺依曼曾指出：“在每一门科学中，当通过研究那些与终极目标相比颇为朴实的问题，发展出一些可以不断加以推广的方法时，这门学科就得到了巨大的进展。”我们不必天天期盼奇迹出现，多做一些“颇为朴实”的事情，实际的进步就在扎扎实实的努力之中。媒体喜欢宣传一些令人惊奇的大数据成功案例，对这些案例我们应保持清醒的头脑。据Intel中国研究院首席工程师吴甘沙在一次报告中透露，所谓“啤酒加尿布”的数据挖掘经典案例，其实是Teradata公司一位经理编出来的“故事”，历史上并没有发生过[4]。即使有这个案例，也不说明大数据分析本身有什么神奇，大数据中看起来毫不相关的两件事同时或相继出现的现象比比皆是，关键是人的分析推理找出为什么两件事物同时或相继出现，找对了理由才是新知识或新发现的规律，相关性本身并没有多大价值。

有一个家喻户晓的寓言可以从一个角度说明大数据的价值：一位老农民临终前告诉他的3个儿子，他在他家的地中埋藏了一罐金子，但没有讲埋在哪里。

他的儿子们把他家所有的地都深挖了一遍，没有挖到金子，但由于深挖了土地，从此庄稼收成特别好。数据收集、分析的能力提高了，即使没有发现什么普适的规律或令人完全想不到的新知识，大数据的价值也已逐步体现。

（2）大数据的力量来自“大成智慧”

每一种数据来源都有一定的局限性和片面性，只有融合、集成各方面的原始数据，才能反映事物的全貌。事物的本质和规律隐藏在各种原始数据的相互关联之中。不同的数据可能描述同一实体，但角度不同。对同一个问题，不同的数据能提供互补信息，可对问题有更深入的理解。因此在大数据分析中，汇集尽量多种来源的数据是关键。

数据科学是数学（统计、代数、拓扑等）、计算机科学、基础科学和各种应用科学融合的科学，类似钱学森先生提出的“大成智慧学”[5]。钱老指出：“必集大成，才能得智慧”。大数据能不能出智慧，关键在于对多种数据源的集成和融合。IEEE计算机学会最近发布了2014年的计算机技术发展趋势预测报告，重点强调“无缝智慧（seamless intelligence）”。发展大数据的目标就是要获得协同融合的“无缝智慧”。单靠一种数据源，即使数据规模很大，也可能出现“瞎子摸象”一样的片面性。数据的开放共享不是锦上添花的工作，而是决定大数据成败的必要前提。

大数据研究和应用要改变过去各部门和各学科相互分割、独立发展的传统思路，重点不是支持单项技术和单个方法的发展，而是强调不同部门、不同学科的协作。数据科学不是垂直的“烟囱”，而是像环境、能源科学一样的横向集成科学。

（3）大数据远景灿烂，但近期不能期望太高

交流电问世时主要用作照明，根本想象不到今天无处不在的应用。大数据技术也一样，将来一定会产生许多现在想不到的应用。我们不必担心大数据的未来，但近期要非常务实地工作。人们往往对近期的发展估计过高，而对长期的发展估计不足。Gartner公司预测，大数据技术要在5~10年后才会成为较普遍采用的主流技术，对发展大数据技术要有足够的耐心。

大数据与其他信息技术一样，在一段时间内遵循指数发展规律。指数发展的特点是，从一段历史时期衡量（至少30年），前期发展比较慢，经过相当长时间（可能需要20年以上）的积累，会出现一个拐点，过了拐点以后，就会出现爆炸式的增长。但任何技术都不会永远保持“指数性”增长，一般而言，高技术发展遵循Gartner公司描述的技术成熟度曲线（hype cycle），最后可能进入良性发展的稳定状态或者走向消亡。

需要采用大数据技术来解决的问题往往都是十分复杂的问题，比如社会计算、生命科学、脑科学等，这些问题绝不是几代人的努力就可以解决的。宇宙经过百亿年的演化，才出现生物和人类，其复杂和巧妙堪称绝伦，不要指望在我们这一代人手中就能彻底揭开其奥妙。展望数百万年甚至更长远的未来，大数据技术只是科学技术发展长河中的一朵浪花，对10~20年大数据研究可能取得的科学成就不能抱有不切实际的幻想。

 4 从复杂性的角度看大数据研究和应用面临的挑战

大数据技术和人类探索复杂性的努力有密切关系。20世纪70年代，新三论（耗散结构论、协同论、突变论）的兴起对几百年来贯穿科学技术研究的还原论发起了挑战。1984年盖尔曼等3位诺贝尔奖得主成立以研究复杂性为主的圣菲研究所，提出超越还原论的口号，在科技界掀起了一场复杂性科学运动。虽然雷声很大，但30年来并未取得预期的效果，其原因之一可能是当时还没有出现解决复杂性的技术。

集成电路、计算机与通信技术的发展大大增强了人类研究和处理复杂问题的能力。大数据技术将复杂性科学的新思想发扬光大，可能使复杂性科学得以落地。复杂性科学是大数据技术的科学基础，大数据方法可以看作复杂性科学的技术实现。大数据方法为还原论与整体论的辩证统一提供了技术实现途径。大数据研究要从复杂性研究中吸取营养，从事数据科学研究的学者不但要了解20世纪的“新三论”，可能还要学习与超循环、混沌、分形和元胞自动机等理论有关的知识，扩大自己的视野，加深对大数据机理的理解。

大数据技术还不成熟，面对海量、异构、动态变化的数据，传统的数据处理和分析技术难以应对，现有的数据处理系统实现大数据应用的效率较低，成本和能耗较大，而且难以扩展。这些挑战大多来自数据本身的复杂性、计算的复杂性和信息系统的复杂性。

（1）数据复杂性引起的挑战

图文检索、主题发现、语义分析、情感分析等数据分析工作十分困难，其原因是大数据涉及复杂的类型、复杂的结构和复杂的模式，数据本身具有很高的复杂性。目前，人们对大数据背后的物理意义缺乏理解，对数据之间的关联规律认识不足，对大数据的复杂性和计算复杂性的内在联系也缺乏深刻理解，领域知识的缺乏制约了人们对大数据模型的发现和高效计算方法的设计。形式化或定量化地描述大数据复杂性的本质特征及度量指标，需要深入研究数据复杂性的内在机理。人脑的复杂性主要体现在千万亿级的树突和轴突的链接，大数据的复杂性主要也体现在数据之间的相互关联。理解数据之间关联的奥秘可能是揭示微观到宏观“涌现”规律的突破口。大数据复杂性规律的研究有助于理解大数据复杂模式的本质特征和生成机理，从而简化大数据的表征，获取更好的知识抽象。为此，需要建立多模态关联关系下的数据分布理论和模型，理清数据复杂度和计算复杂度之间的内在联系，奠定大数据计算的理论基础。

（2） 计算复杂性引起的挑战

大数据计算不能像处理小样本数据集那样做全局数据的统计分析和迭代计算，在分析大数据时，需要重新审视和研究它的可计算性、计算复杂性和求解算法。大数据样本量巨大，内在关联密切而复杂，价值密度分布极不均衡，这些特征对建立大数据计算范式提出了挑战。对于PB级的数据，即使只有线性复杂性的计算也难以实现，而且，由于数据分布的稀疏性，可能做了许多无效计算。

传统的计算复杂度是指某个问题求解时需要的时间空间与问题规模的函数关系，所谓具有多项式复杂性的算法是指当问题的规模增大时，计算时间和空间的增长速度在可容忍的范围内。传统科学计算关注的重点是，针对给定规模的问题，如何“算得快”。而在大数据应用中，尤其是流式计算中，往往对数据处理和分析的时间、空间有明确限制，比如网络服务如果回应时间超过几秒甚至几毫秒，就会丢失许多用户。大数据应用本质上是在给定的时间、空间限制下，如何“算得多”。从“算得快”到“算得多”，考虑计算复杂性的思维逻辑有很大的转变。所谓“算得多”并不是计算的数据量越大越好，需要探索从足够多的数据，到刚刚好的数据，再到有价值的数据的按需约简方法。

基于大数据求解困难问题的一条思路是放弃通用解，针对特殊的限制条件求具体问题的解。人类的认知问题一般都是NP难问题，但只要数据充分多，在限制条件下可以找到十分满意的解，近几年自动驾驶汽车取得重大进展就是很好的案例。为了降低计算量，需要研究基于自举和采样的局部计算和近似方法，提出不依赖于全量数据的新型算法理论，研究适应大数据的非确定性算法等理论。

（3）系统复杂性引起的挑战

大数据对计算机系统的运行效率和能耗提出了苛刻要求，大数据处理系统的效能评价与优化问题具有挑战性，不但要求理清大数据的计算复杂性与系统效率、能耗间的关系，还要综合度量系统的吞吐率、并行处理能力、作业计算精度、作业单位能耗等多种效能因素。针对大数据的价值稀疏性和访问弱局部性的特点，需要研究大数据的分布式存储和处理架构。

大数据应用涉及几乎所有的领域，大数据的优势是能在长尾应用中发现稀疏而珍贵的价值，但一种优化的计算机系统结构很难适应各种不同的需求，碎片化的应用大大增加了信息系统的复杂性，像昆虫种类一样多（500多万种）的大数据和物联网应用如何形成手机一样的巨大市场，这就是所谓“昆虫纲悖论”[6]。为了化解计算机系统的复杂性，需要研究异构计算系统和可塑计算技术。

大数据应用中，计算机系统的负载发生了本质性变化，计算机系统结构需要革命性的重构。信息系统需要从数据围着处理器转改变为处理能力围着数据转，关注的重点不是数据加工，而是数据的搬运；系统结构设计的出发点要从重视单任务的完成时间转变到提高系统吞吐率和并行处理能力，并发执行的规模要提高到10亿级以上。构建以数据为中心的计算系统的基本思路是从根本上消除不必要的数据流动，必要的数据搬运也应由“大象搬木头”转变为“蚂蚁搬大米”。

 5 发展大数据应避免的误区

（1） 不要一味追求“数据规模大”

大数据主要难点不是数据量大，而是数据类型多样、要求及时回应和原始数据真假难辨。现有数据库软件解决不了非结构化数据，要重视数据融合、数据格式的标准化和数据的互 *** 作。采集的数据往往质量不高是大数据的特点之一，但尽可能提高原始数据的质量仍然值得重视。脑科学研究的最大问题就是采集的数据可信度差，基于可信度很差的数据难以分析出有价值的结果。

一味追求数据规模大不仅会造成浪费，而且效果未必很好。多个来源的小数据的集成融合可能挖掘出单一来源大数据得不到的大价值。应多在数据的融合技术上下功夫，重视数据的开放与共享。所谓数据规模大与应用领域有密切关系，有些领域几个PB的数据未必算大，有些领域可能几十TB已经是很大的规模。

发展大数据不能无止境地追求“更大、更多、更快”，要走低成本、低能耗、惠及大众、公正法治的良性发展道路，要像现在治理环境污染一样，及早关注大数据可能带来的“污染”和侵犯隐私等各种弊端。

（2） 不要“技术驱动”，要“应用为先”

新的信息技术层出不穷，信息领域不断冒出新概念、新名词，估计继“大数据”以后，“认知计算”、“可穿戴设备”、“机器人”等新技术又会进入炒作高峰。我们习惯于跟随国外的热潮，往往不自觉地跟着技术潮流走，最容易走上“技术驱动”的道路。实际上发展信息技术的目的是为人服务，检验一切技术的唯一标准是应用。我国发展大数据产业一定要坚持“应用为先”的发展战略，坚持应用牵引的技术路线。技术有限，应用无限。各地发展云计算和大数据，一定要通过政策和各种措施调动应用部门和创新企业的积极性，通过跨界的组合创新开拓新的应用，从应用中找出路。

（3） 不能抛弃“小数据”方法

流行的“大数据”定义是：无法通过目前主流软件工具在合理时间内采集、存储、处理的数据集。这是用不能胜任的技术定义问题，可能导致认识的误区。按照这种定义，人们可能只会重视目前解决不了的问题，如同走路的人想踩着自己身前的影子。其实，目前各行各业碰到的数据处理多数还是“小数据”问题。我们应重视实际碰到的问题，不管是大数据还是小数据。

统计学家们花了200多年，总结出认知数据过程中的种种陷阱，这些陷阱不会随着数据量的增大而自动填平。大数据中有大量的小数据问题，大数据采集同样会犯小数据采集一样的统计偏差。Google公司的流感预测这两年失灵，就是由于搜索推荐等人为的干预造成统计误差。

大数据界流行一种看法：大数据不需要分析因果关系、不需要采样、不需要精确数据。这种观念不能绝对化，实际工作中要逻辑演绎和归纳相结合、白盒与黑盒研究相结合、大数据方法与小数据方法相结合。

（4） 要高度关注构建大数据平台的成本

目前全国各地都在建设大数据中心，吕梁山下都建立了容量达2 PB以上的数据处理中心，许多城市公安部门要求存储3个月以上的高清监控录像。这些系统的成本都非常高。数据挖掘的价值是用成本换来的，不能不计成本，盲目建设大数据系统。什么数据需要保存，要保存多少时间，应当根据可能的价值和所需的成本来决定。大数据系统技术还在研究之中，美国的E级超级计算机系统要求能耗降低1 000倍，计划到2024年才能研制出来，用现在的技术构建的巨型系统能耗极高。

我们不要攀比大数据系统的规模，而是要比实际应用效果，比完成同样的事消耗更少的资源和能量。先抓老百姓最需要的大数据应用，因地制宜发展大数据。发展大数据与实现信息化的策略一样：目标要远大、起步要精准、发展要快速。

以上就是关于Java中如何解析conf文件，并把文件里面的数据内容自动创表然后自动保存在数据库表中全部的内容，包括:Java中如何解析conf文件，并把文件里面的数据内容自动创表然后自动保存在数据库表中、建立找矿模型的原则和方法、【红色收藏创意产业的核心理念】 创意产业的核心理念等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！