提取码：600x
各种类别对应的存放位置存储在这第11台电脑里。 此时我再想找一张张三的照片，我就去第11台服务器里找人像的目录得到人像放在哪台服务器上，再去哪台服务器上找。 这个过程中只有存放张三照片的台服务器忙活了，其他的都闲着呢。 这种方式在很多人一起查找的时候，大大提升了效率。 现在很多场景都会产生这样大量的数据，一般的单机式服务器在面对百万级的数据时就已经力不从心了。 而现在百万级的数据比比皆是。 简单举几个例子，每台车请注意是每台车都会实时发送车辆信息给车辆制造商一般是15秒到1分钟，发一条称之为报文数据大一点的车辆制造商。 每小时数据量轻轻松松突破百万条，手机也会实时发送消息，会生产厂商记录位置、信息、系统信息等。
这样的数据更恐怖，每分钟的增量都在百万级别，光存着只能支持读写。 为了把数据利用起来，要对他们进行统计分析。 这个时候问题来了，这么多的数据上哪儿找性能强的服务器，把所有数据一起统计分析呢，现有的超算都顶不住这样大量的数据，于是大数据应运而生了。 说通俗一点，就是一台机器处理不了的东西，用大数据建立的服务器集群进行处理。 像是一个超大的工程，一个人做不完。 有一个工程管理公司给大家分配任务，在组合最终完成工程这个过程就是大数据的运算过程。 这种完成任务的方式也被称为分布式。 人们只管把任务交给管事的，最后再找管事的要结果不需要关心具体任务的划分。
人工智能是一种计算形式，它允许机器执行认知功能，例如对输入起作用或作出反应，类似于人类的做法。传统的计算应用程序也会对数据做出反应，但反应和响应都必须采用人工编码。如果出现任何类型的差错，就像意外的结果一样，应用程序无法做出反应。而人工智能系统不断改变它们的行为，以适应调查结果的变化并修改它们的反应。
支持人工智能的机器旨在分析和解释数据，然后根据这些解释解决问题。通过机器学习，计算机会学习一次如何对某个结果采取行动或做出反应，并在未来知道采取相同的行动。
大数据是一种传统计算。它不会根据结果采取行动，而只是寻找结果。它定义了非常大的数据集，但也可以是极其多样的数据。在大数据集中，可以存在结构化数据，如关系数据库中的事务数据，以及结构化或非结构化数据，例如图像、电子邮件数据、传感器数据等。
它们在使用上也有差异。大数据主要是为了获得洞察力，例如Netflix网站可以根据人们观看的内容了解电影或电视节目，并向观众推荐哪些内容。因为它考虑了客户的习惯以及他们喜欢的内容，推断出客户可能会有同样的感觉。
人工智能是关于决策和学习做出更好的决定。无论是自我调整软件、自动驾驶汽车还是检查医学样本，人工智能都会在人类之前完成相同的任务，但速度更快，错误更少。
虽然它们有很大的区别，但人工智能和大数据仍然能够很好地协同工作。这是因为人工智能需要数据来建立其智能，特别是机器学习。例如，机器学习图像识别应用程序可以查看数以万计的飞机图像，以了解飞机的构成，以便将来能够识别出它们。
