10、空间的数据怎么分析
上面的分析大都是统计维度的，其实最简单的描述就是求和或者平均值等，这个时候问题来了， 大数据 量的空间数据如何分析呢？对于我们电子商务而言，空间数据可能就是海量的收货地址数据了。需要做分析，第一步就是先要把经纬度添加到数据中（如果添加经纬度，这个可以搞http的请求来通过地图服务提供商来或者，或者是根据测绘公司的基础数据来进行文本切割分析），之后空间数据是二维的，但是我们常见的代数是一维的，这个时候一个重要的 算法 出现了，geohash 算法 ，一种将经纬度数据转换为一个可比较，可排序的字符串的 算法 。然后，这样就可以再空间距离方面进行分析了，例如远近，例如方圆周边等数据的分析。
11、上面这些仅仅是统计，如果想搞 算法 或者挖掘之类的，怎么搞呢
上述的分析，大多数是统计分析，这个时候如果想高一点高级的，例如添加一个 算法 ，咋搞呢？其他复杂的 算法 我没咋接触过。将拿一个我练过手的 算法 来讲吧。逻辑回归，如果样本数据量不是很大，可以采用weka来做了个回归，获得一个表达式，然后在线上系统中应用这个表达式，这种类似的表达式获取对于实时性要求不是很高，所以公式每天跑一次就行了。如果数据量比较大，单机的weka无法满足需求了，可以将weka的jar包集成在系统中分析，当然也可以通过hadoop中的mahout来进行离线分析，获取这个表达式。
12、我就是想离线分析数据，但是受不了hive或者hadoop的速度，咋搞
其实搞过一段时间hadoop的人肯定有一点不爽，就是离线分析的速度太慢了，可能需要等很久，这个时候spark出现了，他和hadoop类似，不过由于是内存中计算，所以速度快了很多，底层可以介入HDFS的文件系统，具体我没有使用过，但是公司内部一个团队目前已经用spark来进行分析了。
13、这就是搞 大数据 了？
有了这些工具就是搞 大数据 了？答案肯定不是，这个仅仅是工具罢了。真正搞 大数据 的可能在于思维的变化，用数据来思考，用数据来做决定。目前的无线和 大数据 啥关系？我觉得无线的终端是数据的来源和消费端，中间需要 大数据 的分析，两者密不可分埃
