1. 智能軟體對於未來數據挖掘影響的文獻
智能軟體:數據挖掘的未來
Ahmed E. Hassan
皇後大學
計算機學院
金士頓(Kingston), 安大略(Ontario), 加拿大(Canada)
[email protected]
Tao Xie
北卡羅來納州立大學
計算機科學系
羅利（Raleigh），北卡羅來納州(NC)，美國（USA）
[email protected]
摘要
在過去的十年中，軟體工程數據挖掘已經成為了一個成功的研究方向。站在本文的立場，我們主張把智能軟體（SI）作為未來軟體工程數據挖掘的發展方向，並同時應用在現代軟體工程的研究，實踐和教學當中。我們提出智能軟體這個名詞，來源於基於事實的提供創新理念，技術支持和商業決策的商務智能系統（BI）的靈感。同樣，智能軟體為軟體從業人員（不只是開發人員）提供實時的相關信息，以支持他們的日常決策。智能軟體應該在軟體系統的整個生命周期提供決策支持，而不僅僅是在開發階段。
智能軟體在現代軟體工程實踐中對軟體工程的研究造成巨大影響的願景並沒有實現。然而，智能軟體在軟體庫數據挖掘（MSR）領域所展現出的優勢對未來對於智能軟體的認可提供了極大的保證。本文總結了智能軟體在研究和實踐中的現狀，並且陳述了應用智能軟體進行數據挖掘的未來研究方向。
分類和主題描述
[軟體工程]：分布，維護和提高
通用術語
文件，經濟學，實驗，人為因素，管理，衡量，可靠性，核實
關鍵詞
智能軟體，軟體工程數據挖掘，軟體檔案庫挖掘
1． 簡介
許多軟體中心都被一些日常的問題和決策所困擾（比如：什麼時候發布一個軟體系統？軟體系統的哪些部分需要修改？系統的哪些部分需要測試？誰會用到這些功能？誰了解這些功能？）。不幸的是，現如今許多關於軟體系統的決定都是基於直覺。決定軟體系統什麼時候發布，系統的某個部分是否要修改或重新編寫，或者軟體的哪個部分需要徹底的測試是一種藝術，而不是一門學科。隨意的決策導致了資源的浪費，以及大型復雜軟體系統構建和維護的費用增加。
軟體從業人員迫切地需要我們所提到的智能軟體。商業智能通過基於實際的系統提供理念和技術來提高商務決策的質量，智能軟體為軟體從業人員提供實時的相關信息，來支持他們的日常決策。智能軟體為軟體從業人員具體的有依據的觀點，以讓他們可以回答關於軟體系統的關鍵問題。使用人員，維護人員和軟體的開發人員可以通過智能軟體做出長期或者短期的戰略規劃。此外，智能軟體能讓公司對他們軟體的潛力和限制有一個更好的了解。
在過去的十年中，軟體工程數據挖掘已經成為了一個研究方向。這項研究已經在探索和實踐上取得了大量的成功。站在本文的立場，我們主張把智能軟體（SI）作為未來軟體工程數據挖掘的發展方向，並同時應用在現代軟體工程的研究，實踐和教學當中。
智能軟體的願景並沒有變為現實。然而，因為軟體工程的研究目的在於它對現代軟體系統的聯系和影響，智能軟體在軟體庫數據挖掘（MSR）領域所展現出的優勢對未來對於智能軟體的認可提供了極大的保證。本文總結了智能軟體在研究和實踐中的現狀，並且陳述了應用智能軟體進行數據挖掘的未來研究方向。
2． 現狀
以前的經驗和主導模式，極大地影響著現代軟體組織的決策。軟體從業人員在作出重大決策時經常依靠他們的經驗和直覺。管理者在分配開發和測試的資源時同樣基於他們在之前項目中的經驗，以及直覺上對於當前項目和以前項目復雜性的對比。開發人員通常依據他們的經驗增加新功能或者修復漏洞。測試人員經常根據欄位和錯誤報告對已知容易出現錯誤的部分優先測試。
由於許多高級工程師根據直覺作出決策，智能軟體在實際中的應用甚少。然而,這樣的開發人員的職業發展道路具有局限性，而且隨著系統使用年限的增加和人員的流動，這種局限性將顯現的更加明顯。此外，目前對於文獻信息的努力在實踐中非常有限。根本上來講，非專業的維基網站被當作知識庫來使用，電子表格和幻燈片被作為做出決策的依據。
3． 研究的現狀
在過去的十年中，軟體庫數據挖掘已經成為一個研究方向。這項研究在科研和實踐上都取得了實質性的成功。軟體庫數據挖掘（MSR）[16，14，17，19，29，31]領域是這項研究的一個實例。軟體庫數據挖掘通過對軟體庫中海量數據的分析，來發現對系統和項目有用的信息。以下是軟體庫的例子：
歷史信息庫：比如源代碼控制庫，錯誤記錄庫，項目進行過程中的信息記錄
實時庫：比如包含一個軟體系統在單個站點或者多個站點執行的有效信息的日誌
代碼庫：比如Sourceforge.net, Google code, 和 Codeplex.com，這些網站包含了一個開發團隊所開發的多個軟體系統的源代碼。
軟體庫包括了大量有用的項目信息。在使用這些信息的時候，軟體從業人員可以較少的依賴自己的直覺和經驗，較多地依靠歷史數據。歷史資料庫擷取項目產品之間重要的歷史依賴關系，比如函數，文檔文件和配置文件。開發人員可以把這些信息延伸到相關的產品，而不僅僅是使用靜態和動態代碼間的依賴關系。後者可能無法獲得重要的依賴關系。例如，把數據寫入文件的代碼的變化，可能會引起從文件讀出數據的代碼的變化，雖然這兩段代碼之間沒有傳統意義上的依賴關系（例如數據和工作流）。運行時庫可以通過對首要執行模式和部署模式是否偏離的確認，用來指出執行的異常。代碼庫可以通過對多個項目API使用模式或者資料庫的挖掘，來確認正確的框架和API的使用模式。
然而軟體庫在實際應用中通常被用作保存記錄，很少用於決策支持。例如，歷史資料庫通常用來跟蹤一個錯誤或者一個功能的歷史，但是很少基於以往對於錯誤修復的時間對現有問題需要修復的時間做出判斷。
軟體庫數據挖掘領域是在眾多應用智能軟體的領域中，發展前景最為廣闊的領域之一。我們可以通過把這些靜的記錄轉變為「活」的信息，為現代軟體項目做出決策指導。例如，傳統上把代碼存檔的源代碼控制庫，可以與錯誤記錄庫相關聯，用來幫助從業人員記錄和交流復雜的變化，並且基於之前的修改和錯誤，當出現有風險的代碼時對他們進行警告。
智能軟體在軟體庫數據挖掘領域的應用要歸功於豐富，廣泛和隨時可用的軟體庫。表1列出了幾個可能用於數據挖掘的軟體庫的描述。圖1展示了可以被挖掘的數據的例子（第一列），通過對第一列中列出的每種軟體工程數據應用數據挖掘演算法（第三列）的軟體工程任務（中間列）的例子。
4． 智能軟體的實現
接下來我們著重提出需要軟體庫數據挖掘研究人員和軟體工程研究人員共同注意的一些領域，以確保軟體庫數據挖掘領域能夠為智能軟體的發展作出充分的貢獻。對每個我們認為有巨大潛力的領域，我們簡單地描述它的現狀和發展前景。
4．1 項目生命周期中的智能軟體
現狀 在2004至2008年間的軟體庫數據挖掘工作會議和研討會上對於當前出版物的分析顯示，大部分的出版物（大於80%）把注意力集中於源代碼和錯誤關聯庫。部分原因可能是由於舊的錯誤記錄庫和源代碼控制庫仍然可用，而且源代碼和錯誤報告結構合理，易於用來做自動分析和處理。對於軟體庫數據挖掘出版物的研究也表明，由於可用性的局限性，文檔資料庫很少被用來研究。總之，過去的軟體工程數據挖掘出版物著重挖掘源代碼和錯誤關聯庫，通常致力於促進軟體項目生命周期編碼階段的任務，受益的主要是開發人員。
未來方向 要實現智能軟體，未來軟體庫數據挖掘的工作應該著眼於更高的位置，而不僅僅局限於作為軟體項目生命周期中一小部分的編碼階段。項目經理，測試人員，部署人員和技術支持團隊，都是軟體系統的涉眾，他們都需要智能軟體的支持。以往的過分注重於開發階段的軟體庫數據挖掘工作是不正確的，並且限制了智能軟體對整個軟體產業的影響。此外，軟體庫數據挖掘的研究成功和創新應該納入涉眾日常的工作環境中，包括但不僅僅局限於集成開發環境。
4．2 智能軟體在非歷史資料庫中的應用
現狀 軟體庫數據挖掘領域開始於對歷史資料庫，如源代碼控制庫和錯誤記錄庫的研究。因此，似乎有一個錯覺，認為所有的軟體庫數據挖掘都是針對歷史數據源（或資料庫）的。這個錯覺需要被解決，來幫助智能軟體實現其全部潛力。我們認為：軟體庫數據挖掘和軟體工程數據挖掘的意義是相同的：軟體庫數據挖掘是關於挖掘軟體工程中任何類型的數據的（例如，執行日誌[18]，整個互聯網上散落的代碼段[23，24，20]，和API文檔資料[32]），即使這些數據沒有明確地存在於某個「庫」中。
未來方向 要實現智能軟體，未來軟體庫數據挖掘的工作應該著眼於更高的位置，而不僅僅局限於儲存在庫中的傳統類型的軟體工程數據。一些新興的數據類型，包括集成開發環境下的交互數據和工具，開發會議記錄（甚至是錄音和對口語的識別），技術支持電話記錄，和網上軟體產品發布信息。這些類型的數據可能是實時流的數據，而且由於過大或者隱似問題而不能儲存在庫中。事實上，由於越來越多的相對私人的信息正在變的可用，隱私問題需要引起整個軟體工程研究的關注。
此外，需要特別注意在研究和實踐中提高數據收集。現有的數據收集方法主要依賴於大數搜索，這將可能導致雜訊數據的出現。未來軟體庫數據挖掘的工作應該致力於提高庫和集成開發環境的設計，以便更容易地收集數據。一些現代的集成開發環境，如IBM Jazz[3] 和Microsoft Visual Studio Team Foundation Server [4]，都在引領著正確的發展方向（允許在明確的產品中查找，而不是在雜訊數據中挖掘）。然而，為數據挖掘創造更高質量的數據需要大量的工作。然而，隨著智能軟體領域的成熟，我們希望創造一種新的角色，來負責維護和規劃軟體項目庫中的各種類型的數據。這些人員將確保高質量的數據存儲在這些庫中，並且可以使用多年。
最後，同時在多個數據源中挖掘數據是一個機遇，即使在異構數據，比如錯誤報告的文本數據，和測試失敗的執行數據之間執行。
4.3 智能軟體被用作高效的數據挖掘技術
現狀 以往的軟體庫數據挖掘工作主要是採用現成的數據挖掘（DM）演算法（比如關聯規則挖掘演算法和頻繁項集挖掘演算法[15]），或工具（比如Weka [18]）。當這些軟體庫數據挖掘的研究人員在軟體工程的數據上應用這些挖掘演算法的時候，他們經常不得不降低他們的需求，以迎合現有的挖掘演算法和工具所能提供的服務。
未來方向 要實現智能能軟體，未來的軟體庫數據挖掘工作在如下領域要遵循問題驅動的方法：（1）實地調查在軟體工程領域的問題，（2）找出解決這些問題的數據挖掘需求，（3）從數據挖掘組織採納或接受高級的挖掘演算法[9]，或者開發新的挖掘演算法[26，25]來滿足數據挖掘的需求。事實上，為軟體庫數據挖掘的需求開發一種新的演算法，對於軟體工程的研究人員是一項很大的挑戰。一種可能的解決方法是與數據挖掘的研究人員合作。另一種可能的解決辦法是通過預處理輸入數據，或者後置處理數據挖掘模式，來適應現有的數據挖掘演算法。
4.4 智能軟體在實踐中的應用
現狀 Coverity公司[1]和Pattern Insight公司[5]的一些成功的產品已經集成了基於軟體工程數據挖掘的思想和創新。這些產品被世界各地的從業人員所使用。使智能軟體依賴於現有的可用的庫（比如歷史變更庫，代碼執行日誌），在智能軟體創新實驗上的花費和阻礙相對於其他軟體工程技術創新（比如便捷開發和極限編程）要低得多。總之，如果公司有一個這樣的庫，可以非常容易地進行數據挖掘。
未來方向 為了使智能軟體得到廣泛的接受，我們必須首先考慮智能軟體將在什麼層面提供支持。例如，智能軟體可以幫助從業人員在小的問題上做出決策（審查某個特定的變更），或者大的問題（比如系統某個部分的重新設計）。智能軟體所提供的支持越具體，越有針對性，就越容易被採納。在整個管理鏈條中，需要越少的許可和花銷，智能軟體的提議就越容易被遵循（比如，審查修改還是重新設計某個組件）。
其次，我們要確保智能軟體技術是直觀的，並且智能軟體的結果要易於描述。直觀和易於理解是關鍵，甚至比高性能更為重要，因為一個主要的障礙是：沒有人希望他們的業務在一個未知的系統里運行。雖然一些數據挖掘技術[15]已經提供了易於理解的挖掘結果，公司仍然希望結果能夠變得更加詳盡。此外，在理解數據挖掘的結果和挖掘出的數據上使用有效的工具，將有利於智能軟體的結果在開發人員和管理者之間的交流。
5．結論
利用在商務智能領域取得的成就和經驗教訓，更多的理論需要被提出。在許多方面，智能軟體就是軟體公司的商務智能。我們應該深入探索，是否可以將出售軟體決策作為傳統商務智能平台的一部分，因為軟體正在越來越多的商務中扮演一個重要的角色，而且軟體商務也是商務的一種。我們可以探討，我們是否能用利用傳統的商務智能平台。例如，IBM當前的產品Rational Insight[2]，就是利用Cognos商務智能平台為項目管理者提供智能軟體。在商務智能的基礎上構建智能軟體體系將更易於被接受，因為商務智能的基礎更為成熟和高級，而且已經被許多大型組織所認可。
我們認為，智能軟體不只對軟體從業人員，也為軟體工程研究人員提供支持。例如，智能軟體可以為現有的研究方向提供支持，並有助於實現軟體工程的自動化。我們設想，數據選擇（基於數據挖掘的結果）和數據挖掘（基於產生的數據）之間有一條協同的反饋迴路。當前的軟體測試工作[30，11]已經在開始研究這個迴路的概念，也就是所說的機器學習中的主動學習[12]。
智能軟體將在研究結果的評估上擔當越來越重要的角色。研究項目和論文可以而且應該根據他們對智能軟體的應用能力進行評估。而且他們必須向從業人員展示真實的價值。在軟體庫數據挖掘領域，一些新興的公司（在軟體庫數據挖掘的學術研究上成立的），比如Coverity[1]，Pattern Insight[5]，和Tasktop[7]，已經展示了智能軟體在生產實踐中的巨大價值。我們期待著出現更多這種技術交流和智能軟體的成功案例。
我們強調智能軟體在實際中的應用，而不應該停滯在長遠的研究上面。例如，智能軟體將為研究人員和從業人員提供事實的依據，來幫助他們尋找先進的途徑，比如新的編程語言和工具，並且根據事實決定是否採納他們，而不是根據直覺。我們設想，智能軟體將成為一個各種軟體工程研究理論的通用平台。
致謝
Ahmed E. Hassan is the NSERC RIM Instrial Chair in Software Engineering. Tao Xie』s work is supported in part by NSF grants CNS-0716579, CCF-0725190, CCF-0845272, CCF-0915400, CNS- 0958235, an NCSU CACC grant, ARO grant W911NF-08-1-0443, and ARO grant W911NF-08-1-0105 managed by NCSU SOSI.
圖1-數據，數據挖掘演算法，和軟體工程任務[31]
軟體工程數據—
程序段：執行/靜態線程，協同變更等
圖：動態圖/靜態調用圖，依賴圖等
文本：錯誤報告，郵件，代碼注釋，文檔資料等
挖掘演算法—
關聯演算法，頻繁項集演算法/子序列法/偏序挖掘法，欄位匹配法/聚類法/分類法等
頻繁子圖挖掘演算法，圖匹配法/聚類法/分類法等
文本匹配法/聚類法/分類法等
軟體工程任務—
編程，維護，錯誤檢測，調試等
錯誤檢測，調試等
維護，錯誤檢測，調試等
表1：軟體庫的例子
源代碼控制庫：這些庫記錄項目的開發歷史。它們跟蹤與所有改變相關聯的源代碼的變化，例如，做出變更的開發人員的姓名，更改的時間，和一個簡短的描述。源代碼控制庫是軟體項目中最常用的庫。CVS, subversion, Perforce, ClearCase, 和 Git，都是實踐中被用到的源代碼控制庫的例子。
錯誤記錄庫：這些庫跟蹤大型軟體項目中開發人員和用戶提出的錯誤報告以及功能需求的解決方案。
通訊記錄庫：這些庫記錄軟體生命周期中所有關於軟體項目的討論。郵件列表，電子郵件，網路會議，即時信息，都是一個項目通訊記錄的例子。
部署日誌：這些庫對一個軟體系統或不同系統的單一部署信息進行記錄。例如，部署日誌可以記錄一個系統在不同站點的錯誤信息。部署日誌的使用仍在快速地增長，因為它在遠程問題解決上的使用（遠程上傳工具的沖突），和現代法律的規定。例如，2002年，塞班斯法案規定，電信和金融業的活動信息必須要進行記錄。
代碼庫：這些庫把大量項目的源代碼進行存檔。Sourceforge.net 和Google code都是大型代碼庫的例子。
2. 人工智慧與資料庫相結合,未來能給我們的生活帶來哪些改變
生活越來越智慧
一臉通行園區，門禁 食堂 電梯 考勤簽到 乘車 等全靠刷臉
根據自己的喜歡習慣，自動調節室內空調溫度 電燈光亮度 窗簾的開關等等等
3. 人工智慧與存儲大碰撞，到底是新需求還是零火
如今，人工智慧的高速發展，徹底改變了人類的工作方式、生活方式和思維方式，也實現了生產力的整體躍升和社會治理的新變革。隨著計算力的不斷突破，人工智慧的技術也在日趨成熟，越來越多的企業開始將AI技術融入至行業中。
然而,人工智慧在適配行業需求過程中往往會出現慢熱現象，一方面是缺乏需求入口來實現技術顛覆，另一方面則是要面臨行業內新技術攻防戰所產生的阻力。而存儲作為傳統行業，即便經歷過一輪又一輪如軟體定義，超融合，雲計算等技術的市場洗牌，當面對人工智慧技術時，又將如何撬動市場的新需求呢？
基於市場趨勢， 9月8日，業界軟體定義存儲與數據服務公司ProphetStor先智數據首次在北京召開正式媒體見面會，會議由存儲在線總編宋家雨主持，並邀請到冬瓜哥，西瓜哥，狒哥等眾多資深媒體人以趣味對話的形式大開腦洞，深入探討人工智慧如何融入存儲，以及在存儲市場如何進一步推進人工智慧發展等熱門話題。
此次見面會也是先智數據中國領導團隊部分高管的首次亮相。會上，先智數據北京代表處高級總監李曉芳發表了《當人工智慧遇到存儲》的主題演講，通過介紹先智數據的發展歷程，主營業務以及產品解決方案，表明了先智數據未來以人工智慧技術為重要發展方向的市場策略，並進一步闡述了人工智慧與存儲之間的融合創新模式。
先智數據北京代表處高級總監李曉芳
李曉芳表示，公司在成立之初就明確了人工智慧的重要性，所有產品技術宗旨都圍繞"AI融入存儲"這一核心，在存儲系統構建、運維，存儲系統性能提升和可靠性提升等方面，利用人工智慧進行不斷地創新。
據介紹，目前先智數據主要有四款產品：
Federator：帶外存儲資源管理平台，類似OpenStack Cinder、EMC ViPR，但擴展了智能化能力。存儲資源終歸是被動性資源，如果想實現真正的按需調度，必須能夠提前預測。Federator可以通過機器學習認知客戶應用負載變動模式，提前預測應用的性能和容量需求變化，提前調配資源到位。
Stellar Flash：包含智能預測能力的全快閃記憶體陣列和混合塊存儲陣列。功能包括採用流量模型模塊(TMM)和彈性資源控制(ERC)技術進行智能緩存；對磁碟故障進行監測預警，並根據資源和業務負載狀況規劃提前修復數據；支持本地重復數據刪除和壓縮技術。
DR Prophet：針對當下復雜多變的雲化數據中心場景，基於Federator平台實現，面向業務需求的數據保護解決方案。主要功能包括可設置的自動數據保護，基於應用感知的數據保護，鏡像磁碟容錯和本地保護，無破壞性的災難演練等。
Disk Prophet：智能化的故障數據分析解決方案。功能為磁碟故障預測，也就是為磁碟"算命"，綜合運用了大量機器學習和磁碟故障細節知識，旨在利用人工智慧技術實現精準故障預測，消除因磁碟故障而出現不可預期的QoS波動，同時提升數據可靠性和資源效率。
企事錄張廣彬，《大話存儲》作者冬瓜哥，日知錄技術社區何曉峰，中國雲報郭濤（從左向右）
會上，企事錄張廣彬，日知錄技術社區何曉峰，《大話存儲》作者冬瓜哥，中國雲報郭濤作為嘉賓參與了趣味對話環節，對話深入探討了"存儲行業是否已經夕陽西下？"和"AI是否已經過度炒作？"兩個問題，第一個問題圍繞"存儲行業是否已經夕陽西下"展開，討論在互聯網碾壓下，包括傳統存儲與新存儲的存儲行業未來的發展樂觀與否，以及存儲如何實現價值差異化展開討論，並提出存儲唯一的出路就是智能化，存儲需要感知業務等觀點。
而"AI是否已經過度炒作？"話題，四位嘉賓首先就AI的范圍界定闡述了各自的看法，提出新技術的過度炒作是一個必經的過程，而它們的區別在於能否生存下去等觀點，並就人工智慧在行業內是否具備實用價值，行業與人工智慧的融合形式等進行了討論。
針對市場需求與與發展趨勢，先智數據表示針對AI與存儲的融合，公司產品的具體實踐大致分為兩個階段：
第一階段是智能化提前預判性能和空間資源要求，並提前調配到位，也就是Federator產品所提供的智能化能力。這種智能化成分實際上也體現了新型的存儲資源管理模式。
因此AI與存儲結合的第二階段，在於存儲設備本身可以藉助AI技術構建新型的智能化存儲。智能化的故障數據分析解決方案Disk Prophet的推出就是旨在幫助二次元存儲轉變為三維的智能存儲。因為預測能力可以把磁碟故障這種隨機事件，變成可計劃事件，使得冗餘程度大大降低，破局二次元存儲的可靠性與性能無法共存的困境。
先智數據中國區總經理董唯元在最後的會議總結中表示，先智數據未來會更多專注存儲與AI結合的領域，並延展到運維領域，以目前AI現有的技術幫助運維人員實現存儲運維流程優化以及存儲系統管理自動化。隨著技術的不斷發展，行業劃分在未來將會有新的結合方式，在新的行業格局變化下，先智數據將會是一家介於人工智慧，存儲，運維之間的跨界企業。
4. 在數字化的智能時代，數據化會帶來怎樣的影響
數據化帶來科學的決策。
龐大的數據會徹底改變人們的生活，如何從眾多的數據中抽取出自己想要的信息，並解讀好數據背後的消費行為和品牌關聯，需要從以往單向的內容研究轉向「內容+關系」的多維度研究，這對品牌公關策略的設定決策性影響重大。
數據化成為不可或缺的重要技術。
人們越來越意識到，數據除了最初被使用時的價值，更具有豐富的剩餘價值，隨著數據存儲成本的降低，移動互聯網的普及，大數據技術已經被用於各種大事件的分析和預測，並日益成為企業甚至行業發展的制勝法寶。
5. 人工智慧+大數據是未來的方向嗎
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學人工智慧應用研究涉及很多領域，在現在大數據的背景下，尤其是在專業領域內，進行對數據的海量檢索是遠遠不夠的。以人工智慧+大數據為背景，億信華辰作為中國領先的智能數據產品與服務提供商，具有深厚的商務智能領域的積累，與現在人工智慧技術快速發展的大背景相結合下，規劃一款專業領域的智能分析系統——智問。智問以簡易的檢索方式，實時、快速、准確的展示可視化分析結果，徹底打破過去需要人工處理數據並製作報表的交付模式。同時大大降低客戶的使用門檻和時間成本，使數據分析更加的日常化，提高運營決策效率。
6. 未來大數據的主要應用領域包括哪些
大數據不僅意味著海量、多樣、迅捷的數據處理，更是一種顛覆的思維方式、一項智能的基礎設施、一場創新的技術變革。
大數據不僅意味著海量、多樣、物聯網、智慧城市、增強現實(AR)與虛擬現實(VR)、區塊鏈技術、語音識別、人工智慧、數字匯流是大數據未來應用的七大發展方向。
趨勢一：物聯網
物聯網：把所有物品通過信息感測設備與互聯網連接起來，進行信息交換，即物物相息，以實現智能化識別和管理。
物聯網是新一代信息技術的重要組成部分，也是「信息化」時代的重要發展階段。
物聯網的核心和基礎仍然是互聯網，是在互聯網基礎上的延伸和擴展的網路；
其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信，也就是物物相息。
趨勢二：智慧城市
智慧城市就是運用信息和通信技術手段感測、分析、整合城市運行核心系統的各項關鍵信息；對包括民生、環保、公共安全、城市服務、工商業活動在內的各種需求做出智能響應。其實質是利用先進的信息技術，實現城市智慧式管理和運行，進而為城市中的人創造更美好的生活，促進城市的和諧、可持續成長。這項趨勢的成敗取決於數據量跟數據是否足夠，這有賴於政府部門與民營企業的合作；此外，發展中的5G網路是全世界通用的規格，如果產品被一個智慧城市採用，將可以應用在全世界的智慧城市。
趨勢三：增強現實(AR)與虛擬現實(VR)
擬現實技術是一種可以創建和體驗虛擬世界的計算機模擬系統，它利用計算機生成一種模擬環境；是一種多源信息融合的、互動式的三維動態視景和實體行為的系統模擬使用戶沉浸到該環境中。這兩個技術最近開始降價跟提升質量，走向大眾市場。VR應用一開始以電玩為主，現在的應用卻超越電玩，可以用來教學，靠著VR設備，把家裡的插頭電線完成配線，就像有水電技師在教學一樣。
趨勢四：區塊鏈技術
區塊鏈是分布式數據存儲、點對點傳輸、共識機制、加密演算法等計算機技術的新型應用模式。所謂共識機制是區塊鏈系統中實現不同節點之間建立信任、獲取權益的數學演算法。 區塊鏈技術是指一種全民參與記賬的方式。所有的系統背後都有一個資料庫，你可以把資料庫看成是就是一個大賬本。區塊鏈有很多不同應用方式，美國幾乎所有科技公司都在嘗試如何應用，最常見的應用是比特幣跟其他加密貨幣的交易。
趨勢五：語音識別技術
人們預計，未來10年內，語音識別技術將進入工業、家電、通信、汽車電子、醫療、家庭服務、消費電子產品等各個領域。很多專家都認為語音識別技術是2000年至2010年間，信息技術領域十大重要的科技發展技術之一。語音識別技術所涉及的領域包括：信號處理、模式識別、概率論和資訊理論、發聲機理和聽覺機理、人工智慧等。這項產業有個很大優點，就是發展技術的公司都打算把這項技術商品化。像是google、Amazon跟蘋果的語音識別技術都可透過授權，使用在其他業者的硬體服務上。
趨勢六：人工智慧(AI)
人工智慧(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧需要被教育，匯入很多信息才能進化，進而產生一些意想不到的結果。AI影響幅度很大，例如媒體業，現在計算機跟機器人可以寫出很好的文章，而且1小時產出好幾百篇，成本也低。
AI對經濟發展會產生劇烈影響，很多知識產業跟白領工作也可能被機器人取代。但他對於AI的態度很正面，這會讓生活更好，例如自駕車絕對比人駕車更安全。
趨勢七：數字匯流
大約從1995年左右，就陸續有人在討論所謂「數位匯流」，在不同的使用情境之下，我們還是會需要很不一樣的數位裝置—光是螢幕大小就有好多種選項，音響效果、攝影機，都需要不同的配套。
所以數位比較像是「iCloud」，也就是說所有的裝置會存取同一個遠端資料庫，讓你的數位生活可以完全同步，隨時、無縫的切換使用情境。
但除了「載具」的匯流，我們更應關心的是另一個數位匯流，一個網路商業模式的匯流，或者更明確的說，數字匯流就是「內容」與「電子商務」的匯流。
7. 資料庫未來的發展方向及其主流
未來資料庫發展必須與其它技術相結合，數據豐富知識稀少，是大數據時代的特徵。所以存儲器上需海量存儲。要想挖掘出自己需要的數據就要結合數據挖掘技術，建立自己的數據倉庫等數據倉儲技術，智能化分析建立商業智能。在目前雲存儲下，可以說是對資料庫行業的沖擊。