近年来，国家和各大企业都在部署大数据战略。“大数据”这个词也越来越频繁地出现在我们的生活中。当我们在进行网上冲浪时，页面总会跳出我们想要搜索的相关产品或关联事物。大数据，似乎总是能够“算”出我们“心中所想”。那么，大数据技术是如何采集到这些信息的呢？
常见的数据采集方法：
- 传感器
传感器通常用于测量物理变量，一般包括声音、温湿度、距离、电流等，将测量值转化为数字信号，传送到数据采集点，让机器逐渐有了触觉、味觉和嗅觉等感官，从而慢慢变得“活”了起来。
- 系统日志采集方法
日志文件数据一般由数据源系统产生，用于记录数据源执行的各种操作活动，比如网络监控的流量管理、金融应用的股票记账和 web 服务器记录的用户访问行为。 很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等，这些工具均采用分布式架构，能满足每秒数百MB的日志数据采集和传输需求。
- Web 爬虫
网络爬虫是指为搜索引擎下载并存储网页的程序，它是搜索引擎和 web 缓存的主要数据采集方式。通过网络爬虫或网站公开API等方式从网站上获取数据信息。该方法可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。它支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。 此外，对于企业生产经营数据上的客户数据、财务数据等保密性要求较高的数据，可以通过与数据技术服务商合作、使用特定系统接口等相关方式采集数据。而大数据时代，更需要能够提供采标一体化的数据解决方案服务商。
