2019独角兽企业重金招聘Python工程师标准>>> 
—— 原文发布于本人的微信公众号“大数据与人工智能Lab”（BigdataAILab），欢迎关注。
一提到大数据的特性，很多人马上就会想到3V、4V，那么大数据究竟有多少个V呢？
在大数据的不断发展阶段，业界对大数据的特征认识也在逐步完善，涵盖范围也更加全面。
1、3V
2001年麦塔集团(META Group)分析师莱尼在一份报告中对大数据提出了“3D数据管理”的观点，即认为大数据将往高速、多样、海量3个方向发展，提出了3个特性：高速性(Velocity)、多样化(Variety)、规模化(Volume)，统称3V。
3V特性是大数据最具代表性的特性，被麦肯锡、IBM、微软等多家公司所认可并不断在大数据报告中提及。IDC(International Data Corporation，国际数据公司)在给大数据下定义时便是引用了3V的特性：“大数据技术是新一代的技术与架构，它被设计用于在成本可承受的条件下，通过非常快速（velocity）的采集、发现和分析，从大体量（volumes）、多类别（variety）的数据中提取价值”。
2、4V
4V也是广受认可的大数据特性，在3V的基础上再加上了价值（Value）的维度，主要强调大数据的总体价值大，但价值密度低。
规模性（Volume）、多样性（Varity）、高速性（Velocity）和价值性（Value），合称“4V”。
另外，还有一种大数据观点是“4V+1O”，在4V的基础上再加上1个O，即数据在线（Online），强调数据永远在线，能随时调用和计算，这也是有别于传统数据的特性之一。
3、5V、6V、7V、8V
随着大数据技术的不断发展，数据的复杂程度愈来愈高，不断有人提出了大数据特征新的论断，在4V的基础上增加了准确性（Veracity），强调有意义的数据必须真实、准确；增加了动态性（Vitality），强调整个数据体系的动态性；增加了可视性（Visualization），强调数据的显性化展现；增加了合法性（Validity），强调数据采集和应用的合法性，特别是对于个人隐私数据的合理使用。
下图展现了3V到8V的特性图
欢迎关注本人的微信公众号“大数据与人工智能Lab”（BigdataAILab），获取更多资讯
