IBM BigSheets 简介

IBM BigSheets 是 IBM 在商业分析领域的一项最新技术，可以对非结构化或者半结构化的海量数据进行快速分析，这项技术已经应用于大英图书馆中。BigSheets 提供了一个基于 web 的界面来轻松加载、分析和导出数据，目前已经集成在 BigInsights Enterprise 版本中（BigInsights 是一个基于 Apache Hadoop 的数据分析处理平台，在《实战 IBM BigInsights，轻松实现 Hadoop 的部署与管理》一文中有详细的介绍）。

BigSheets 主要提供了以下功能特性：

• 对非结构化、半结构化数据的分析处理能力。
• 以表格的形式展示数据结果，并提供图形化展示例如饼图、柱状图等，分析结果一目了然。
• 提供了过滤、连接、分组查询、加载、复制等多种公式以及条件、选择、数学计算、文本操作等丰富的函数库，能满足大部分场景中的数据分析需求。
• 支持多种文件格式分析包括 CSV，TSV，JSON，网络爬虫数据、自定义字符分割文件等。
• 基于 Apache Hadoop，因此比传统的商业分析工具拥有更快速、强大的海量数据处理能力。
• 支持分析结果以多种格式导出。
• BigSheets 提供了扩展性：用户可以自定义阅读器、宏、图形化工具甚至自定义 MapReduce 程序来导入数据。

BigSheets 用数据集合（Collection）来代表一个数据集（可以是原始数据或者分析数据），它是用户操作的主要对象。数据集合的形式类似于 Excel 中的数据表，行代表数据集中的值，列代表数据集的各个属性。BigSheets 利用阅读器来对导入的文件进行解析与显示，支持 7 种默认的阅读器以及用户自定义阅读器。