一本姗姗来迟但未过时的好书 两个月前(2015年5月)，清华大学出版社出版了由华东师大周傲英教授及其团队翻译的《海量数据分析前沿》. ( Frontiers in Massive Data analysis)，此书由美国国家学术院研究委员会组编，2013年年底出版。中译本出晚了一点，但值得一读。
“大数据“已由热词升级为熟词 “Big Data” 在2012年成为美国社会中仅次于 "fiscal cliff(财政悬崖)"的第二热词; 在中国的升温来得晚一些，2014年在中国的网络热词中，名列第三，前两名是 “改革”和”并购”(可见，政治、经济之后才是技术)。
到2015年，大数据一词不只是由温而热，而是由热而“熟”，成了人们熟练使用，用来分析其他热词的工具词。例如，人们见到了如下的文章 《“大数据分析两会热词：’四个全面’，’互联网+”》，《大数据说春运》，《大数据和….> 。
近两年，在数据处理圈子内外，过去做数据的，和过去不做数据的，都言必称大数据，以至于有人担心，已经够热了，再加热就煮烂(滥)了。
在鱼龙混杂的时候，人们要问，这一领域的大牛们是怎样说大数据的?
信息时代选书看作者 我和我的同学这一代，经历过信息饥渴的年代，那时候八亿人看八个样板戏，年轻人渴书，朋友交流最好方式就是借书，说书，甚至抄书(参见博文《看蜀韵、闻书香、遥想当年手抄本-- 书博会有感(图&文) 。
如今，海量信息时代，人们发愁的不再是找不到书，而是如何从书山文海中挑选适读材料。正如选影视时看导演、编剧和演员，选书的方法之一，是选作者群，选出版社。
《海量数据分析前沿》一书的作者群和编审群有多牛? 留一点悬念，也给一点线索：七十多位国际顶级专家参加了对此书撰写和编审工作，他们来自 UC 伯克利，卡内基梅隆，耶鲁大学，密西根大学斯坦福大学，MIT，谷歌，美国喷气推进实验室，国防分析研究所，….
读者在书中，会看到三页篇幅列出的名单，是对此书撰写、编审做出贡献的三个委员会(海量数据分析委员会、应用和理论统计委员会，数学科学应用委员会)的人员名单。有人说，学术新兵要进入一个领域，就要知道这个领域的牛人，这算是阅读的附加收获吧。
大数据和海量数据的关系：前些年，海量数据一词是数据处理领域常说常听的词汇，如今人们,都说大数据了，虽然深者见深，浅者见浅，都更时髦了，大数据和海量数据两个概念到底有什么关系?
此书译者序中有一句话，“按这本书的观点，大数据的本质是海量数据分析“。
笔者想把把这句话进一步展开，“大数据”是比海量数据更广义的概念，大数据中包括两部分，(1)对象部分-海量数据是被处理的对象;(2)工具部分--分析处理海量数据的工具，方法，算法和过程。
用面向对象编程作比喻 为不落俗套地把大数据与海量数据的关系理清，同时介绍此书的主要章节的内容，杜撰了一个面向对象编程中的对象例子。
面向对象编程是计算机专业大一学生的必修课，近两年，在成都中学生科技竞赛上，笔者见到，一些中学生，也能熟练运用JAVA，C++，写出很有创意的移动应用，有iPhone的，也有安卓的。这些创明的中学生不但能写程序，还能谈思想，经得起诘难，通得过答辩，说明面向对象编程技术和关联已经比较普及，不算高深科技了。
面向对象编程中的对象有两个基本要素：
(1) 成员属性(以智能汽车为例， 品牌，动力类型，功率，缸容，缸容，时速，…..是成员属性)
(2) 成员方法(以智能汽车为例， 启动，制动，转弯，后退，换挡，...,是成员方法或成员函数，它们有行为的内涵或动作的外延，能改变对象状态，编程中，通过函数或过程调用实现)。
当然还有一些特性，如封装，继承和重载。
下面是杜撰的一个抽象对象BigData: 其中，按编程惯例，在双反斜杠符号//后面的是注释。
BigData //大数据
{ //成员属性部分：
海量数据源 ; //见该书第2章 海量数据来源
海量数据特征; //见该书第3章 大、多、快、疏等4个V的数据
大数据表示; //见该书第5章
……
//第二部分，成员函数，处理大数据的方法，算法，函数，过程
建模 (频率学，贝叶斯，无监督学习，可视化，众包) //见该书第7章
采样;/见该书/第8章
七个计算巨人(统计，N-提问题，图论计算，
线性代数，优化，积分，对齐等) //见该书第10章
…….
}
相信读完该书，大多数读者会觉得中译本看起来还是要快一些，成本(包括时间和经费)都低一些。
还是有一点遗憾 由于各种原因，中译本在两个月前才出版，比期待时间晚了一年多，不能说不是遗憾。
计算机科学的知识，日新月异。一年，在计算机界能发生什么事?很可能，芯片性能增加50%以上，数据量增加50%以上，一年前的计算冠军(算法或硬件)，可能已经落出前三。
幸好，这是一本说原则，说思想，说框架的书，高屋建瓴，反而不容易过时。
读完之后，如果觉得从牛人们那里学到了一招两招，祝贺你开卷有益 ;
如果你发现你的见解已经超过、或部分超过了这本书，恭喜你，你的水平至多比牛人们晚一年，或者，已经站在了大数据研究前沿。
总之，正如译者序中所说，这本书，来迟到了 ，还没有过时，值得一读。
