大数据有多大：互联网的数据量级
互联网所涵盖的范围非常广阔，人们产生、分享和消耗的数据量很难以实体形式来衡量，那么到底有多少数据产生呢？
最近，一张以“一天之间，互联网上要发生多少事”为主题的统计图，在各大科学网站上流传，如图1-8所示。
图1-8 互联网上的一天
其结果是非常惊人的，真是“不看不知道，世界真奇妙”！互联网每天产生的流量信息可以装满 1.68 亿张碟；每天发出2 940 亿封邮件，如果这些是实体信件，则美国需要花费2年时间来处理；
每天的社区论坛上发出200万个帖子，相当于美国《时代》杂志770年的文字量；每天世界各地有 1.72 亿人访问 Facebook，4 000 万人访问Twitter，2 200 万人访问 LinkedIn，2 000 万人访问Google+，还有 1 700 万人访问 Pinterest；
人们每天在Facebook 上耗费的时间总计 47 亿分钟；“状态”的更新达5.32亿人；每天有2.5亿张图片上传到Facebook，如果把它们都打印出来，堆起来相当于80座埃菲尔铁塔的高度；
人们每天在Netflix观看2 200 万小时的电视电影节目，相当于全美剧院 3 天播放电影的总时长；每天人们将 86.4万小时视频上传到YouTube，即使不间断地播放，全部播完这些视频也需要98年；
每天有1 870 万小时音乐在Pandora（流媒体音乐网站）上播放，如果一台计算机从公元元年开始播放 Pandora 的音乐，那么它现在仍然处于播放状态；
每天新增 1 288 款应用，下载次数超过 3 500 万次；每天卖出 37.8 万台手机，高于全球每天出生的婴儿数量（37.1 万）。是数字时代的战利品还是一堆数字垃圾，一切由你来决定。
庆幸的是，我们不用像以前那样弄个仓库把它们搬进去存储起来。
在现实生活中，一分钟也许微不足道，连抽袋旱烟的工夫都不够，但是当你用一分钟，看完这行文字的时候：新浪已经发送了2万条微博；
淘宝已经卖出了6万件商品；人人网发生了30万次访问；
百度产生了90万次搜索查询；YouTube用户上传48h的新视频；电子邮件用户发送2.04亿条信息；Google收到超过200万次搜索查询；
Facebook用户分享了68.4万条内容；品牌和企业收到3.5万个“赞”；消费者在网上购物花费了27.2万美元；
Twitter用户发送了超过10 万条微博；苹果公司收到大约 4.7 万个应用下载；Tumblr 博客用户发布 2.8 万个新帖子；WordPress用户发布347篇新博文；
Instagram用户分享36 000张新照片；Flickr用户添加3 125张新照片；Foursquare用户执行2 083次签到；全球有571个新网站诞生；移动互联网新增217个用户。
目前，互联网的数据量已经从TB级跃升至PB、EB乃至ZB级，它们之间的换算关系如表1-1所示。
表1-1 数据存储单位之间的换算关系
2012年12月，IDC（International Data Corporation，国际数据公司）发布了《2020年的数字宇宙》研究报告。报告指出：2005年全球产生的数据量为130 EB，2008年全球产生的数据量为0.49 ZB，2009年的数据量为0.8 ZB，2010年增长为1.2 ZB，2011年的数量更是高达1.82 ZB，2012年数据量为2.8 ZB，按照每两年翻一番的速度，2015年全球数据量将达到近8 ZB，2020年将达到40 ZB（如图1-10所示）。迄今为止，人类生产的所有印刷材料的数据量为200 PB，全人类历史上说过的所有话的数据量大约为5 EB。整个人类文明所获得的全部数据中，有90%是过去两年内产生的。
仅就数据量而言，1.82 ZB 数据相当于：13 亿中国人每人一台1 000 GB容量的计算机所存储的信息量；中国每个人每分钟发送3 条微博且连续6 217年不间断；每位美国人每分钟写3 条Tweet，而且还是不停地写26 976年；全球每人产生200 GB以上的数据；
全世界每人每天进行逾2.15 亿次高分辨率核磁共振成像（Magnetic Resonance Imaging，MRI）扫描；如果把所有这些数据都刻录存入普通 DVD 光盘里，光盘的高度将等同于从地球到月球的一个半来回（即大约720 000英里，1 英里≈1.6km）；
超过 2 000 亿个高清电影（每部时长为 2h），一个人 24h 不间断地看这些电影，全部看完需要 4 700 万年；可填满 575亿个32 GB的苹果iPad（如果真有这么多iPad），我们可以：建起一堵长4 005 英里、高61 英尺（1英尺=30.48 cm）、从美国阿拉斯加安克雷奇一直延伸到佛罗里达迈阿密的iPad墙；在中国建起一堵iPad长城，平均高度是真实长城的两倍；围着南美建起一堵高20英尺的墙；覆盖86%的墨西哥城；建起一座比富士山高25倍的山峰。
图1-10 数据量增长
天文学是大数据的典型代表，也是最先经历信息爆炸的科学领域之一，其数据量之大、类型之复杂，恐怕不是一般的行业领域所能比拟的。一台最先进的望远镜扫描整个天空，可能会看到 2 000 亿个恒星世界。我们经常看到的天文奇观的预测报告，其实很多都来自NASA（National Aeronautics and Space Administration，美国航空航天局）背后的海量数据的收集、管理、分析。
从 1959年至今，美国航空航天局约翰逊航天中心（Johnson Space Center，JSC）已收集400 多万幅静态图像，长达950 万英尺的16mm胶卷，85 000 卷录像磁带，以及总时长81 616h 的视频模拟及数码档案。通过开发在线影像应用平台，将影像文件名与所有相关元数据连接，并对其进行存档、管理，以备科研之需。
IDC的《2020年的数字宇宙》研究报告指出，个人日常生活的“数字足迹”也大大刺激了数字宇宙的快速增长。通过互联网及社交网络、电子邮件、移动电话、数码相机和在线信用卡交易等多种方式，每个人日常生活都在被数字化。数字宇宙的规模从2006——2011年这五年间膨胀了10倍！
