基本上所有人都接触过大数据相关信息：

　　1.美国棱镜计划

　　2.前几天新闻报道的，苹果公司窃取用户隐私

　　3.百度的用户搜素习惯统计分析

　　4.淘宝的用户购物习惯分析，智能推荐宝贝

　　5.浏览器的智能标签页

　　...

　　最想了解的大数据架构与算法：

　　1.著名的Google 网页排名算法：PageRank

　　2.著名的聚类算法：K-Means

　　7.CART

　　3.C4.5

　　4.k-Means

　　5.SVM

　　6.Apriori

　　...

　　大数据应用的未来挑战和趋势是：

　　最大的挑战并不是技术和数据本身，而在与人们对于数据的认识和态度。这方面很多互联网公司做的比较好，它们拥有丰富的数据同时也有强烈的盈利需求，可以挖空心思的在各种数据上做文章;而对于很多传统行业，尤其是政府，首先它们还是相当重视数据的，甚至比互联网公司都要重视，但出于行政管理，组织利益和安全等的考虑数据往往会形成孤岛很难做到综合利用。

　　另外一方面的挑战是构建成功的大数据应用需要对业务逻辑和数据处理技术都有比较深入的理解，而且很难拆解开，因为业务的需求会直接影响到底层架构的设计以及算法和工具的选择，这一点和传统的交易型系统有很大区别，所以现在一些行业中的软件+数据库+硬件的分工模式不太适合大数据应用开发，市面上能够对各种因素通盘考虑做整体架构的公司并不多。

　　趋势的话我的理解，现在技术层面的工具，技术是一个百家齐放的局面，其原因一方面是开源项目的运营模式越来越成熟，另一方面是大数据的分析处理是多样化的，相信未来很长一段时间都会维持这个局面，传统的软件开发上已经逐渐向服务提供商转变，产品本身可能变得越来越不重要，贴合用户需求的定制化架构和解决方案可能更加受到欢迎，同时云计算的不断发展也将使得未来的架构设计更加轻松，部署和迁移更加便捷。

　　未来大数据的发展前景是巨大的，现在人们的生活已经离不开大数据了，云计算、云存储、电商等等网站的数据都是大数据，但是大数据的发展的技术还是面临挑战，技术的发展新的技术也在不断更新，所以大数据应用的挑战是结合新技术，不断优化大数据的算法。

　　大数据存储技术、并行计算、吞吐量

　　读完试读样章后的启发：

　　大数据其实才刚刚起步，正在打垮不发展，面临着很大的机遇和挑战，海量待挖掘数据,数据切分算法,分布式图计算了解到大数据的精深之处，要学习的还有很多，我感觉到了自己的不足之处，大数据加油，你一定会更好更牛逼，我看好你哦，希望你能够带我飞的更高，go,go。。。（CDA数据分析师）