大数据，顾名思义，是指那些在常规软件工具难以在有限时间内捕捉、管理和处理的海量数据集合。这类数据集合要求我们采用新的处理模式，以便提升决策力、洞察力和流程优化能力，从而转化为具有高增长率、多样化特征的信息资产。

Gartner研究机构对大数据的定义强调了新处理模式的重要性，旨在增强决策力、洞察力和流程优化能力，以适应信息资产的海量性、高速增长和多样性。

麦肯锡全球研究所则将其定义为一种数据集合，其规模之大，使得在获取、存储、管理和分析方面都远远超出了传统数据库软件工具的能力范围。这种数据集合具有四大特征：庞大的数据规模、快速的数据流转、多样的数据类型以及低价值密度。

大数据技术的战略价值不在于数据本身，而在于对数据的专业化处理。简言之，大数据产业的核心在于提升数据的“加工能力”，通过数据加工实现“增值”。

从技术层面来看，大数据与云计算的关系如同硬币的正反面，密不可分。大数据处理通常需要分布式架构，因为它无法在单台计算机上完成。其特色在于对海量数据的分布式挖掘，但这也离不开云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

在大数据技术学习中，主要包括以下内容：

- 基础阶段：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis等。

- Hadoop相关技术：Hadoop概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。

- 大数据存储技术：hbase、hive、sqoop等。

- 大数据架构设计：Flume分布式、Zookeeper、Kafka等。

- 大数据实时计算：Mahout、Spark、storm等。

- 大数据数据采集：Python、Scala等。

- 大数据商业实战：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。