提高数据管理的效率利器--动态数据集合

 你是否曾经也是这么管理数据的：为了便于组织和查找数据，把做过的方案按照不同的项目建立了不同的文件夹，相关的文件都拖进去。

过几天，领导说整理一下你做过的所有关于某一个产品的方案。这下傻了眼，这些方案可能分布在各个项目文件夹里。你只能再挨个看一遍，把相关的方案Copy到一个新的文件夹；当然，公司的产品不止一个，所以领导又说我们按照......

几次下来，建立的文件夹越来越多，不仅浪费了大量的存储空间，而且一旦某个文件夹的内容变化了，你要记得他关联到哪些其他的文件夹，要挨个更新进去。换做谁都会疯掉！

        

其实数据还是那些数据，随着我们想要按照不同维度的特征组织这同一批数据，会进行大量的重复性工作。既浪费时间，又浪费空间！

通常，文件系统给我们提供了一种简化管理手段，叫做【快捷方式】。原始文件就放在那里，做个【快捷方式】放进不同的文件夹不就可以了。貌似空间问题解决了，可一旦原始文件发生了位置的变化，文件名称发生了改变，这些链接也就失效了，因此，这绝不是长期有效的完美解决方案。

有没有办法按照不同纬度的特征去做重新整合数据，并且保证即便原始数据发生改变，依然能够无遗漏的被收纳进来呢？

当然可以啊。现在盛行一种黑科技就可以很好的解决这个问题——动态数据集合。

那到底什么是动态数据集合，又是如何实现的，今天我们就来一探究竟。

动态数据集是什么？

我们把动态数据集拆解一下，变成【动态】和【数据集】就好理解多了。

数据集最直观，我们可以把它理解成一个虚拟文件夹，这个文件夹在文件系统中不是真实存在的，是按照使用者的意愿建立的，我们可以把所有相关的内容都挂在这个虚拟文件夹下，就像拎葡萄，拎起来就是一大串；

向虚拟文件夹下挂内容的过程就是组织数据集的过程，就像是我们上文中说的，把相关文件拖到这个文件夹里。但这种方式太老土了，我们有更好的办法。

我们曾经说过，数据管理的对象是数据特征，我们完全可以通过数据特征来组织数据集，而不是傻傻的通过文件名，文件类型。

数据特征为我们创造了更广阔的想象空间，我们可以把所有的文档打上各种标签，作为其特征，需要的时候用特征进行筛选，究竟谁应该被纳入到这个数据集当中。

举个简单的例子，有三个城市，分别为【济南】、【郑州】、【南京】，按照行政区域建立数据集，这三个城市分别属于【山东】、【河南】、【江苏】文件夹。但他们有没有其他特征呢？肯定有的，比如，济南、郑州是黄河流域的城市，南京是长江流域的城市，如果我们把地理位置作为特征标签附加在数据上，就多了一种统计维度，比如，建立一个数据集，条件是【黄河流域城市】，那么你会发现，【济南】和【郑州】已经在里面了，却没有包含【南京】。以【长江流域城市】为条件建立数据集，你会发现只有【南京】被放进来了。

这就是数据集的作用——设定条件，筛选满足条件的数据，放进来。

不知道大家发现没有，上述过程并没有发生数据的拷贝，也就是说，无论以何种维度建立数据集，都不会浪费存储空间。他只是个虚拟的“目录”，方便你使用而已；

接下来说动态，有了上述铺垫，动态就不难了，可以用简单的两句话讲明白；

1.把【南京】从【江苏】这个【真正的文件夹】下挪走，也不会影响【长江流域城市】这个数据集的结果，你会发现，【南京】依然存在其中；

2.添加一个城市【武汉】进来，并且打上地理位置标签，你会发现，【长江流域城市】这个数据集中多了一个成员，除了【南京】还有个【武汉】；

这就是动态的意义，数据集一旦建立，原始数据的位置，变化，就不那么重要了，而且一旦产生了新的符合条件数据，会被自动收纳到数据集当中。

这就是通过数据特征标签化进行数据管理的强大威力~

对于非结构化数据管理，现在市面上其实有很多不一样的方法，但对于非结构化数据来说，除了需要秒查询以外，还可以动态的自由组合自己想要的数据，将会让非结构化数据发挥真正的价值