大数据doc

『壹』 2021河北省邢台市大数据发展中心选聘公告

一、选聘单位基本情况

邢台市大数据发展中心为市政府直属事业单位，相当于正处级，经费形式为财政性资金基本保障。主要职责是：负责大数据战略、规划和政策拟定前的调研、分析工作;负责公共数据资源归集、应用、共享等工作;负责全市信息化、电子政务应用、大数据应用等支撑平台的运行和维护工作。

二、选聘原则

坚持德才兼备的用人标准，贯彻民主、公开、竞争、择优的原则，在测评考核和考察的基础上择优聘用。

三、选聘岗位条件

(一)应聘人员应具备以下基本条件

1.具有中华人民共和国国籍;

2.遵守宪法和法律;

3.具有良好的品行和职业道德;

4.具有与选烂衫渗聘岗位要求相适应的学历学位、专业、年龄和其他资格条件(详见选聘岗位具体条件要求);

5.适应岗位要求的身体条件;

(二)具体条件

1.纳入国家统招计划、被普通高等院校录取、持有普通高校毕业生就业报到证的2021年非定向高校毕业生(7月底前取得相应学历学位)。

2.国家统一招生的2019、2020年普通高校毕业生(含符合选聘条件且2019、2020年毕业已取得国家学历认证的海外、外国学历获得者)。

选聘岗位具体要求详见《邢台市大数据发展中心2021年公开选聘高层次急需人才岗位条件表》(附件)。留学回国人员和其他海外、外国学历学位获得者的专业名称与选聘岗位要求专业名称不完全一致，但所学专业课程与选聘岗位专业课程大部分相同，且符合该岗位所需要的其他条件的，也可报考该岗位(2021年毕业的需于7月底前取得国家学历认证)。

现役军人、试用期内的公务员和试用期内的事业单位工作人员、未满最低服务年限或未满约定服务期限的人员、在读的非应届毕业生,不在选聘范围。

曾因犯罪受过刑事处罚和被开除公职的人员、失信被执行人，以及法律法规规定不得招聘为事业单位工作人员的其他情形人员，不得报考。按照《事业单位人事管理回避规定》要求执行岗位回避和履职回避制度。报考人员不得报考聘用后即构成回避关系的岗位。

四、选聘程序

(一)发布信息

2021年4月14日在邢台市人力资源和社会保障局网站公开发布选聘信息。

(二)报名及资格审查

1.报名时间：4月20日-22日(8:30-12:00,13:30-17：30)。

2.报名方法及地点：采取现场报名及资格审查的方式。报名地点在邢台技师学院培训中心三楼会议室(邢台市信都区钢铁北路850号技师学院南门旁)。

3.报名及资格审查要求：进入现场报名场所需全程佩戴口罩，提供河北健康码绿码，经现场测温合格(低于37.3℃)后方可进入。现场报名需提供按照选聘岗位条件要求能够证明自己资格条件的身份证、毕业证、学位证、就业报到证、报名表(一式两份)等原件及复印件，近期同版小二寸照片3张;2021年普通高校应届毕业生尚未取得学历学位证书的还需提供所在学校出具的《毕业生就业推荐表》;留学回国人员和其他海外、外国学历获得者需提供国家学历认证以及课程设置、成绩单等相关证件材料原件和复印件;报考人员系事业单位工作人员或公务员(含参照公务员法管理单位工作人员)的，须提交按干部管理权限出具的符合事业单位或公务员管理规定的同意报考的函。

报名人员应如实提交有关信息和材料，凡本人填写信息不真实、不完整或填写错误的，责任自负;弄虚作假的，一经查实即取消考试资塌雀格或聘用资格。报名与考试时使用的身份证必须一致。

4.资格审查：现场工作饥脊人员按照岗位条件对报名人员提交的报名资料进行资格审查并留存相关复印件，通过报名资格审核的考生需签字确认。资格审核通过后，进入测评考核环节，具体时间地点另行通知考生，请报考者保持报名所留联系方式畅通。

五、测评考核

根据报名情况，报名人数与岗位计划比例超过5:1时，采取公共基础测试的方式按5:1确定进入面试人员(公共基础测试成绩不计入总分)。报考比例不超过5:1的，采取直接面试的方式对报考人员进行测评。重点对应聘者综合分析能力、语言表达能力、组织协调能力、政策理论水平、专业能力素质岗位匹配度等进行测评考核，实行当场打分，成绩采用“体操打分”方法，去掉一个分和一个最低分，其他分数的平均分为面试成绩。面试合格分数线为60分，达不到分数线不得进入下一环节。按照面试成绩由高分到低分与岗位计划1:1确定进入体检、考察人选。如比例内末位考生面试成绩相同，都进入体检考察，根据体检考察结果择优聘用。

六、体检、考察

体检参照现行的《公务员录用体检通用标准》执行，体检费用由考生个人承担。体检合格的考生确定为考察对象。由用人单位对其思想政治表现、道德品质、业务能力、工作实绩等情况进行考察。体检、考察不合格的，取消拟聘人选资格。并从最低合格分数线以上报考同一岗位的人员中从高分到低分依次递补。

七、公示、聘用

经体检、考察合格的，确定为拟聘用人选，在市人力资源和社会保障局门户网站进行公示。公示期为7个工作日。对公示反映有严重问题并查有实据，不符合聘用条件的取消其拟聘人选资格;对反映有严重问题但一时难以查实的，暂缓聘用，待查实并做出结论后决定是否聘用;对公示期满无异议的，或有反映问题但经核实不影响聘用的，由事业单位主管部门提出聘用意见。对已取得学历学位证书的考生，按程序办理相关聘用手续;对于2021年毕业生，7月底前，由拟聘人员提交相关证件后，按程序聘用，不能按时提交相关证件的，视为不能按期毕业，取消拟聘人选资格，从报考同一岗位的人员中从高分到低分依次递补。

被聘用人员按相关政策规定实行试用期，试用期一并计算在聘用合同期限内。试用期满考核合格的，予以正式聘用，不合格的，取消聘用。

八、其他事项

为保障广大考生和考务工作人员生命安全和身体健康,确保本次考试工作安全进行，本次选聘全过程严格落实现阶段疫情防控要求，请广大考生予以理解并按要求执行。

对发现的违纪违规行为，按照《事业单位公开招聘违纪违规行为处理规定》(人社部令第35号)处理。

凡考生未在规定时间内按要求参加资格审核、测(面)试、体检、考察、报到等情况的，均视为自动放弃招聘资格。资格审核贯穿招聘工作全过程，在任何环节，发现考生弄虚作假不符合招聘条件的，均取消招聘资格，问题严重的要追究责任。

咨询电话：0319-3288701、0319-2135938

监督电话：0319-3690133

点击下载>>>

大数据发展中心选聘工作人员岗位条件表.xls

大数据发展中心报名资格审查表.doc

疫情防控须知.doc

『贰』 大数据如何给企业创造实际价值

第一，通过大数据分析，各行各业都能更快地对变革进行跟踪，响应全球经济快速的变化。
第二，在全球金融经济危机的状态下，通过数据分析，能够更好地理解整个经济危机行为的演变。
第三，能够更好地满足大众和企业服务的需求，而且可以预测市场的变化。
而从大数据利用的方式上，也可产生几个方面的价值。
首先，大数据的价值密度较低，现在可利用和分析的数据只是冰山一角，数据里的价值远没有被发掘出来，所以要利用分析技术去发现它们的潜在价值。
其次，要实现大数据整合创新的价值，通过不同渠道的聚集整合，创造新的数据价值。

『叁』 大数据常用同步工具

一、离线数据同步

DataX

阿里的Datax是比较优秀的产品，基于python，提供各种数据村塾的读写插件，多线程执行，使用起来也很简单，操作简单通常只需要两步；

创建作业的配置文件（json格式配置reader,writer）；

启动执行配置作业。

非常适合离线数据，增量数据可以使用一些编码的方式实现，

缺点：仅仅针对insert数据比较有效，update数据就不适合。缺乏对增量更新的内置支持，因为DataX的灵活架构，可以通过shell脚本等方式方便实现增量同步。

参考资料：

github地址：https://github.com/alibaba/DataX

dataX3.0介绍：https://www.jianshu.com/p/65c440f9bce1

datax初体验：https://www.imooc.com/article/15640

文档：https://github.com/alibaba/DataX/blob/master/hdfswriter/doc/hdfswriter.md

Sqoop

Sqoop(发音：skup)是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

地址：http://sqoop.apache.org/

Sqoop导入：导入工具从RDBMS到HDFS导入单个表。表中的每一行被视为HDFS的记录。所有记录被存储在文本文件的文本数据或者在Avro和序列文件的二进制数据。

Sqoop导出：导出工具从HDFS导出一组文件到一个RDBMS。作为输入到Sqoop文件包含记录，这被称为在表中的行。那些被读取并解析成一组记录和分隔使用用户指定的分隔符。

Sqoop支持全量数据导入和增量数据导入（增量数据导入分两种，一是基于递增列的增量数据导入（Append方式）。二是基于时间列的增量数据导入（LastModified方式）），同时可以指定数据是否以并发形式导入。

Kettle

Kettle是一款国外开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，数据抽取高效稳定。

Kettle的Spoon有丰富的Steps可以组装开发出满足多种复杂应用场景的数据集成作业，方便实现全量、增量数据同步。缺点是通过定时运行，实时性相对较差。

NiFi

Apache NiFi 是一个易于使用、功能强大而且可靠的数据拉取、数据处理和分发系统，用于自动化管理系统间的数据流。它支持高度可配置的指示图的数据路由、转换和系统中介逻辑，支持从多种数据源动态拉取数据。

NiFi基于Web方式工作，后台在服务器上进行调度。 用户可以为数据处理定义为一个流程，然后进行处理，后台具有数据处理引擎、任务调度等组件。

几个核心概念：

Nifi 的设计理念接近于基于流的编程 Flow Based Programming。

FlowFile：表示通过系统移动的每个对象，包含数据流的基本属性

FlowFile Processor（处理器）：负责实际对数据流执行工作

Connection（连接线）：负责不同处理器之间的连接，是数据的有界缓冲区

Flow Controller（流量控制器）：管理进程使用的线程及其分配

Process Group（过程组）：进程组是一组特定的进程及其连接，允许组合其他组件创建新组件

参考资料

Nifi简介及核心概念整理

官方网站：http://nifi.apache.org/index.html

二、实时数据同步

实时同步最灵活的还是用kafka做中间转发，当数据发生变化时，记录变化到kafka，需要同步数据的程序订阅消息即可，需要研发编码支持。这里说个mysql数据库的同步组件，阿里的canal和otter

canal

https://github.com/alibaba/canal

数据抽取简单的来说，就是将一个表的数据提取到另一个表中。有很多的ETL工具可以帮助我们来进行数据的抽取和转换，ETL工具能进行一次性或者定时作业抽取数据，不过canal作为阿里巴巴提供的开源的数据抽取项目，能够做到实时抽取，原理就是伪装成mysql从节点，读取mysql的binlog，生成消息，客户端订阅这些数据变更消息，处理并存储。下面我们来一起搭建一下canal服务

早期，阿里巴巴B2B公司因为存在杭州和美国双机房部署，存在跨机房同步的业务需求。不过早期的数据库同步业务，主要是基于trigger的方式获取增量变更，不过从2010年开始，阿里系公司开始逐步的尝试基于数据库的日志解析，获取增量变更进行同步，由此衍生出了增量订阅&消费的业务，从此开启了一段新纪元。

ps. 目前内部版本已经支持mysql和oracle部分版本的日志解析，当前的canal开源版本支持5.7及以下的版本(阿里内部mysql 5.7.13, 5.6.10, mysql 5.5.18和5.1.40/48)

基于日志增量订阅&消费支持的业务：

数据库镜像

数据库实时备份

多级索引 (卖家和买家各自分库索引)

search build

业务cache刷新

价格变化等重要业务消息

otter

https://github.com/alibaba/otter

otter是在canal基础上又重新实现了可配置的消费者，使用otter的话，刚才说过的消费者就不需要写了，而otter提供了一个web界面，可以自定义同步任务及map表。非常适合mysql库之间的同步。

另外：otter已在阿里云推出商业化版本 数据传输服务DTS， 开通即用，免去部署维护的昂贵使用成本。DTS针对阿里云RDS、DRDS等产品进行了适配，解决了Binlog日志回收，主备切换、VPC网络切换等场景下的同步高可用问题。同时，针对RDS进行了针对性的性能优化。出于稳定性、性能及成本的考虑，强烈推荐阿里云用户使用DTS产品。

『肆』 怎么找电子版七上历史大数据

怎么找电子版七上历史大数据
资料搜集是个相当繁琐与累的工作，也是投资入门的基本，良好的信息资料搜集能力有利于我们快速了解投资主体的基本情况，为后续的调研及一手资料的获得打下较好的基础。

一、搜索引擎（重点掌握）

搜索引擎是我们信息资料搜集的最重要的渠道之一，用搜索引擎查找信息资料需要使用恰当的关键词和一些搜索技巧。目前国内主要的搜集引擎有如下10个，近期还有较多行业型搜索冒出来，需找专业型行业资料可以使用行业型搜索引擎。

由于每个搜索引擎都有一定的局限性，可以把要搜索的关键词在多个搜索引擎试一下，可能会搜出你意想不到的结果。

大家对国内的引擎基本都很熟悉，尤其是网络和google，需要搜索同一主题的资料，不同的人所搜出来的结果可能就天差地别了，主要原因在于如下两点：

1、搜索关键字的选择

举例说明，假如我们要搜索大数据行业发展相关资料，如果我们就在网络上搜索“大数据”，结果非常多，无法进行筛选，可以对关键词进一步界定，如“大数据行业”、“大数据市场规模”、“中国大数据产业”、“大数据技术”、“大数据企业”等等，需要不停地变换搜索关键词，直到查到满意的搜索结果，在查找的过程中可以根据查找结果内容再进行对关键词进行修正，修正有些名称专业表达方式，因为最开始搜索我们表达的不一定准确。

2、搜索技巧

主要是针对网络、google等搜索引擎一些高级搜索技巧。常用技巧主要有如下几个方面：

（1）文件类型搜索：使用filetype，如在网络或google中键入“filetype:pdf 大数据”搜索出有关大数据内容pdf内容，而且这些文档基本都是可直接下载。还可以变换为其他的如“filetype:doc”、“filetype:ppt”、“filetype:xls”等等，注意其中的冒号为英文的冒号，一定要变换为英文冒号。

（2）定位于哪个网站上搜索：使用site，如在网络或google中键入“大数据空格site:sina.com”,则在http://sina.com搜索有关大数据的一些资料信息，这个特别适用针对某些信息可能在哪些网站上出现的一个快速搜索方法，注意冒号也是英文的，网站名称也不用加www。

（3）精确匹配搜索：使用“”，如在网络中键入“大数据行业”，表示搜索“大数据行业”五个必须联在一起的，如果不加“”，搜到的为大数据及行业两个词并列显示结果，没有这么精确匹配。

（4）限制性的网页搜索：使用intitle,如在网络键入“intitie:大数据”，限定于搜索标题中含有“大数据”网页，如果输入“intitie:大数据市场规模”限定于搜索标题中含有“大数据”和“市场规模”的网页。

3、搜索引擎推荐

1）http://scholar.google.com/ 虽然还是Beta版，但个人已觉得现在已经是很好很强大了，Google学术搜索滤掉了普通搜索结果中大量的垃圾信息，排列出文章的不同版本以及被其它文章的引用次数。略显不足的是，它搜索出来的结果没有按照权威度（譬如影响因子、引用次数）依次排列，在中国搜索出来的，前几页可能大部分为中文的一些期刊的文章。

2）http://www.scirus.com Scirus 是目前互联网上最全面、综合性最强的科技文献搜索引擎之一，由Elsevier科学出版社开发，用于搜索期刊和专利，效果很不错！Scirus覆盖的学科 范围包括：农业与生物学，天文学，生物科学，化学与化工，计算机科学，地球与行星科学，经济、金融与管理科学，工程、能源与技术，环境科学，语言学，法 学，生命科学，材料科学，数学，医学，神经系统科学，药理学，物理学，心理学，社会与行为科学，社会学等。

3）http://www.base-search.net/ BASE是德国比勒费尔德(Bielefeld)大学图书馆开发的一个多学科的学术搜索引擎，提供对全球异构学术资源的集成检索服务。它整合了德国比勒费尔德大学图书馆的图书馆目录和大约160个开放资源（超过200 万个文档）的数据。

4）http://www.vascoda.de/ Vascoda是一个交叉学科门户网站的原型，它注重特定主题的聚合，集成了图书馆的收藏、文献数据库和附加的学术内容。

5）http://www.goole.com/ 与google比较了一下发现，能搜索到一些google搜索不到的好东东 。它界面简洁，功能强大，速度快，YAHOO、网易都采用了它的搜索技术。各位可以一试。

6）http://www.a9.com Google在同一水平的搜索引擎。是Amazon.com推出的，Webresult部分是基于Google的，所以保证和Google在同一水平，另外增加了Amazon的在书本内搜索的功能和个性化功能：主要是可以记录你的搜索历史。现在还是Beta，不过试用后感觉很好，向大家推荐一试 ，不过缺憾是现在书本内搜索没有中文内容。

7）http://www.ixquick.com 严格意义上讲不是搜索引擎，是连接搜索引擎和网络用户的信息立交桥。新一代的搜索引擎应运而生，Ixquick meta－search正是目前最具光芒的新星。但是对于大多数国内用户来说，Ixquick还很陌生。Ixquick众多独特的功能我不一一介绍了，只介绍我们最关心的，搜索数据库密码。使用方法：先进入Ixquick，以“Proquest”数据库为例。填入Proquest Username Password History Online后点击search，看看出来的结果，第一页中第6个，proquest的username和password赫然在目，别急，再看第4个结 果“HB Thompson Subscription Online Databases”，即http://homework.syosset.k12.ny.us/onlinedbs/HBTDatabases/，进入 后发现这是一个密码页，选择Magazines& Journals栏，就有 EBSCO、Electric Library Elementary、Electric LibraryElementary、ProQuest Platinum (in school)、ProQuest Platinum(remote)等众多数据库的密码，都有uesrname和password，随便试一下EBSCO，OK，成功登陆。

8）http://vivisimo.com/ cmu的作品，对搜索的内容进行分类，这样可以有效地做出选择，比较有特色。可实现分类检索，检索速度也很好，如EBSCO 密码几分钟就可找一大堆 .http://search.epnet.com/，User ID:mountain，Password: ridge，这个密码可以试试。

9）http://www.findarticles.com/ 一个检索免费paper的好工具。进入网页以后，可以看到他有三个功能，driectory web article，其中article对我们很有帮助，你可以尝试输入你要找的文章，会有很多发现的！

10）http://www.chmoogle.com 现点击后或跳转到http://www.emolecules.com ，在此搜索引擎里可以搜索到超过千万种化学品信息或相应的供应商，与Chemblink有点相似，但提供的化学品理化信息没有Chemblink详细，与其不同的是该搜索引擎可提供化学品结构式搜索（主页上有在线绘制化学结构式的搜索框）。

11）http://www.ojose.com/ OJOSE (Online JournalSearch Engine，在线期刊搜索引擎)是一个强大的免费科学搜索引擎，通过OJOSE，你能查找、下载或购买到近60个数据库的资源。但是感觉操作比较复杂。

12）http://citeseer.ist.psu.e/ 一个关于计算机和信息科学的搜索引擎。

13）http://hpsearch.uni-trier.de/ 专家个人主页搜索引擎。

14）www.aol.com 里面的搜索引擎功能由google提供，搜索结果与google一样，如果google无法登陆，可以用这个网站代替。

二、数据库

数据库是研究人员重要的数据来源之一，目前券商、基金研究研究机构都购买有商业数据库，目前研究用的数据库主要分为两大类，一是商业数据库，二是学术数据库。

1、商业数据库

商业数据库大多为金融投资所用，主要分为国内与国外数据库两大类。1）国内商业数据库国内数据库主要有如万德、恒生聚源、锐思数据库、CSMAR数据库、巨潮数据库等。目前万德数据库主要定位于国内高端客户，市场占有率较高，80%左右，当然其售价较高。恒生聚源也定位为机构客户，性价比较高，售价要比万德便宜的多。CSMAR数据库定位于学术与高校，其中金融数据比较全，强大。锐思数据库定位于学术，质量一般。巨潮数据库为深交所旗下数据库，有一定的特殊优势。

2）国外商业数据库

国外数据库主要有彭博、路透社、CEIC、OECD、Haver Database、Thomson Financial One Banker等，国外数据库中彭博是比较全也大的，在国内销售也较好，但是售价奇贵。一般不做国际市场研究，大多用不到国外数据库，毕竟国外数据库公司对国内的行业数据及公司数据不如本土数据库公司的做得好。

2、学术数据库

学术数据库基本为高校、研究机构所用，也分为国内与国外两大类，学术数据库中一些学术论文、行业数据、统计年鉴还是有用的，缺点就是其中有些数据的相对较旧，无法做到实时更新。

1）国内学术数据库

中国知网：国内最大学术数据库，包括期刊、学位论文、统计年鉴等。

万方数据：仅次于中国知网，包括期刊、学位论文等。

人大复印资料：期刊、论文等。

维普：期刊、论文等。

中经网：有较多行业研究报告，宏观数据较全。

国研网：数据较为权威，有些报告可以一看。

上海公共研发平台：可以注册，人工审核，内包含较多数据库。

2）国外学术数据库

EBSCO：较全的一个数据库，内包含较多的商业数据，好用

Elsevier：学术文章全，更新速度快。

以上大致介绍了国内的商业及学术数据库，但这些数据库都是通过收费或学校账号才能使用，对于平时临时研究用的一些人，没有必要去购买，下面介绍一些免费可用的数据库。

3）免费可用的数据库

数据汇：http://www.shujuhui.com/database/ 国内的宏观数据，国外的也有一部分，可以导出来，免费好用。

数据圈：http://www.shujuquan.com.cn/ 免费共享平台，行业研究报告，统计年鉴等

『伍』 利用搜索引擎检索有关大数据的doc,PDF,PPT格式的文件，写出检索式

直接在我的电脑里搜索：.doc就会把电脑上面的所有.doc的文件检索出来。pdf和ppt的检索方式也是一样的。

『陆』 怎么使用java导出大数据为xml文件

dom4j可以试试，不知道你的数据量有多大，如果太大的话，我没试过
xml文件是有规律的，可以把要导出的数据构造一下，

我有个简单的代码，在这分享一下，希望对LZ有用
package com.test.xml;

import java.io.FileWriter;
import java.io.IOException;
import java.io.Writer;
import org.dom4j.Document;
import org.dom4j.DocumentHelper;
import org.dom4j.Element;
import org.dom4j.io.OutputFormat;
import org.dom4j.io.XMLWriter;
public class Dom4JXML {

public void createXML() {
//用工厂类创建一个document实例
Document doc = DocumentHelper.createDocument();
//创建根元素emps
Element rootEle = doc.addElement("emps");
//添加注释
rootEle.addComment("这是一个dom4j生成的xml文件");
//emps根节点下创建一个emp节点
Element empEle = rootEle.addElement("emp");
//emp添加属性id="1"
empEle.addAttribute("id", "1");
//emp节点下创建一个name节点
Element nameEle = empEle.addElement("name");
//name节点下创建一个文本节点zhangsan
nameEle.setText("zhangsan");
//再为name节点创建一个兄弟节点
Element sexEle = empEle.addElement("sex");
sexEle.setText("man");
//将document中的内容写入文件中
try {
Writer out = new FileWriter("F:\\emps.xml");
//格式化输出,类型IE浏览一样
OutputFormat format = OutputFormat.createPrettyPrint();
//OutputFormat format = OutputFormat.createCompactFormat();
format.setEncoding("UTF-8");
//创建写出对象
XMLWriter writer = new XMLWriter(out,format);
writer.write(doc);
writer.close();
System.out.println("生成emps.xml成功。");
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("失败了。");
}
}

public static void main(String[] args) {
new Dom4JXML().createXML();
}
}

『柒』 你要的大数据标准都在这里

NIST 1500-4 大数据通用框架草案 第四卷 安全与隐私.pdf

NIST 大数据定义（草案）.pdf

大数据安全标准化白皮书2017 .pdf

大数据安全标准化白皮书（2018版）.pdf

大数据标准化白皮书（2018）.pdf

大数据标准化白皮书（2020版）.pdf

1 基础

GB T 35295-2017 信息技术 大数据 术语.pdf

GB T 35589-2017 信息技术 大数据 技术参考模型》.pdf

GB T 38672-2020 信息技术 大数据 接口基本要求.txt

JRT 0236—2021《金融大数据 术语》.pdf.pdf

TGZBD 2-2020 大数据标准体系总体架构.pdf

2 数据

GBT 18142-2017 信息技术 数据元素值表示 格式记法 ISOIE C FDIS 149572009.txt

GBT 18391.1-2009 信息技术 元数据注册系统 (MDR) 第1部分： 框架 ISOIEC11179-1 2004， IDT.txt

GBT 18391.2-2009 信息技术 元数据注册系统 (MDR) 第2部分： 分类 ISOIEC11179-2 2005， IDT.txt

GBT 18391.3-2009 信息技术 元数据注册系统 (MDR) 第3部分： 注册系统 元模型与基本属性 ISOIEC11179-3 2003， IDT.txt

GBT 18391.4-2009 信息技术 元数据注册系统 (MDR) 第4部分： 数据定义 的形成 ISOIEC11179-4 2004， IDT.txt

GBT 18391.5-2009 信息技术 元数据注册系统 (MDR) 第5部分： 命名和标 识原则 ISOIEC11179-5 2005， IDT.txt

GBT 18391.6-2009 信息技术 元数据注册系统 (MDR) 第6部分： 注册 ISOIEC11179-6 2005， IDT.txt

GBT 23824.1-2009 信息技术 实现元数据注册 系统内容一致性的规程 第 1部分： 数据元 ISOIEC TR20943-1 2003， IDT.txt

GBT 23824.3-2009 信息技术 实现元数据注册 系统内容一致性的规程 第 3部分： 值域 ISOIEC TR20943-3 2004， IDT.txt

GBT 30881-2014 信息技术 元数据注册系统 (MDR)模块 ISOIEC 197732011.txt

GBT 32392.1-2015 信息技术 互操作性元模型 框架(MFI) 第1部分： 参考 模型.txt

GBT 32392.2-2015 信息技术 互操作性元模型 框架(MFI) 第2部分： 核心 模型.txt

GBT 32392.3-2015 信息技术 互操作性元模型 框架(MFI) 第3部分： 本体 注册元模型.txt

GBT 32392.4-2015 信息技术 互操作性元模型 框架(MFI) 第4部分： 模型 映射元模型.txt

GBT 32392.5-2018 信息技术 互操作性元模型 框架(MFI) 第5部分： 过程 模型注册元模型.txt

GBT 32392.7-2018 信息技术 互操作性元模型 框架 第7部分： 服务模型注.txt

GBT 32392.8-2018 信息技术 互操作性元模型 框架 第8部分： 角色与目标 模型注册元模型.txt

GBT 32392.9-2018 信息技术 互操作性元模型 框架 第9部分： 按需模型选 择.txt

GBZ 21025-2007 XML使用指南.txt

3 技术

YDT 3772-2020 大数据 时序数据库技术要求与测试方法.txt

YDT 3773-2020 大数据 分布式批处理平台技术要求与测试方法.txt

YDT 3774-2020 大数据 分布式分析型数据库技术要求与测试方法.txt

YDT 3775-2020 大数据 分布式事务数据库技术要求与测试方法.txt

大数据开放与互操作技术

信息技术 大数据 互操作 技术指南 拟研制.txt

大数据生存周期处理技术

GBT 32908-2016 非结构化数据访问接口规范.txt

GBT 36345-2018 信息技术 通用数据导入接 口规范.txt

信息技术 大数据 面向分 析的数据检索与存储技术 要求 在研.txt

大数据集描述

GBT 32909-2016 非结构化数据表示规范.txt

GBT 34945-2017 信息技术 数据溯源描述模型.txt

GBT 34952-2017 多媒体数据语义描述要求.txt

GBT 35294-2017 信息技术 科学数据引用.txt

GBT 38667-2020 信息技术 大数据 数据分 类指南.txt

GB T 38667-2020 信息技术 大数据 数据分类指南.pdf

4 平台、工具

GBT 38673-2020 信息技术 大数据 大数据 系统基本要求.txt

GBT 38675-2020 信息技术 大数据 计算系 统通用要求.txt

GB T 37721-2019 信息技术 大数据分析系统功能要求》.pdf

GB T 37722-2019 信息技术 大数据存储与处理系统功能要求.pdf

GB T 38633-2020 信息技术 大数据 系统运维和管理功能要求.pdf

GB T 38643-2020 信息技术 大数据 分析系统功能测试要求.pdf

GB T 38676-2020 信息技术大数据存储与处理系统功能测试要求.pdf

JRT 0206—2021 证券期货业大数据平台性能测试指引.pdf

YDT 3762-2020 大数据 数据挖掘平台技术要求与测试方法.txt

5 安全和隐私

GAT 1718-2020《信息安全技术 大数据平台安全管理产品安全技术要求》.txt

GBT 大数据系统软件安全防护指南》标准草案.pdf

GB T 35274-2017 信息安全技术 大数据服务安全能力要求 立项.pdf

GB T 37973-2019 信息安全技术 大数据安全管理指南.pdf

YDT 3736-2020 电信运营商大数据安全风险及需求.txt

YDT 3741-2020 互联网新技术新业务安全评估要求 大数据技术应用与服务.txt

YDT 3800-2020 电信网和互联网大数据平台安全防护要求.txt

信息安全技术电信领域大数据安全防护实现指南.doc

d