Големите данни са неуловима концепция. Те представляват набор от цифрова информация, която е неудобна за съхраняване, транспортиране, или анализиране. Големите данни са толкова обемни, че смазват технологиите на деня и ни предизвикват да създаваме следващото поколение на инструменти и техники за съхранение на данни. Големите данни не са нещо ново. В действителност физиците в ЦЕРН се борят с предизвикателството на техните нарастващи големи данни от десетилетия. Преди петдесет години, данните на ЦЕРН можели да бъдат съхранявани на един компютър. Добре де, това не бил обикновен компютър, това бил мейнфрейм компютър, който изпълвал цяла сграда. За да анализират данните, физици от цял свят пътували до ЦЕРН за да се свържат с огромната машина. През 70-те години на 20 век, нашите все по-нарастващи големи данни били разпределени в различни набори от компютри, които изникнали в ЦЕРН. Всеки набор бил свързан в специализирани, домашни мрежи. Но физиците си сътрудничили без оглед на границите между наборите, затова се нуждаели от достъп до данните от всички тях. Така ние свързахме независимите мрежи заедно в нашата собствена CERNET. През 80-те години на 20 век, острови от подобни мрежи говорещи различни диалекти изникнаха в цяла Европа и Щатите, правейки отдалечения достъп възможен, но мъчителен. За да се улесни за нашите физици по цял свят достъпът до неспирно разрастващите се големи данни съхранявани в ЦЕРН без да се пътува, мрежите трябваше да могат да говорят на същия език. Ние приехме зараждащите се интернет работни стандарти от Щатите, последвано от останалата част на Европа, и създадохме основната връзка в ЦЕРН между Европа и Щатите през 1989 г., и наистина глобалният интернет излетя! Тогава физиците можеха лесно да достъпват терабайти от големи данни, отдалечено от целия свят, да произвеждат резултати, и да пишат статии в техните домашни институти. След това те искаха да споделят своите открития с всичките им колеги. За да направим това споделяне на информацията лесно, ние създадохме уеба в началото на 90-те години на 20 век. Физиците вече не трябваше да знаят къде се съхранява информацията, за да я намерят и за да имат достъп до нея в интернет, идея, която се разпространи по целия свят и трансформира начина, по който общуваме в нашето ежедневие. В началото на 21 век, непрекъснатото нарастване на нашите големи данни изпревари способността ни да ги анализираме в ЦЕРН, въпреки наличието на сгради пълни с компютри. Трябваше да започнем разпространението на петабайти от данни към нашите партньори сътрудници, за да се използват локални изчисления и съхранение в стотици различни институти. За да организираме тези взаимосвързани ресурси с техните разнообразни технологии, ние разработихме компютърна мрежа, позволяваща безпроблемно споделяне на компютърните ресурси по целия свят. Тя разчита на връзки на доверие и взаимен обмен. Но този мрежови модел не можеше да бъде трансфериран извън нашата общност толкова лесно, където не всеки има ресурсите да споделя, нито пък може да се очаква фирмите да имат същото ниво на доверие. Вместо това алтернативен, по-търговско ориентиран подход за достъп до ресурси при поискване процъфтява отскоро, наречен изчисления в облак, който други общности сега използват за анализиране на техните големи данни. Може да изглежда парадоксално за място като ЦЕРН, лаборатория фокусирана върху изучаването на невероятно малки градивни частици от материя, да бъде източник на нещо толкова голямо, колкото големите данни. Но начина, по който изучаваме фундаменталните частици, както и силите, с които те си взаимодействат, включва създаването им за кратко време, сблъсквайки протони в нашите ускорители и улавяйки следи от тях, докато се ускоряват почти до скоростта на светлината. За да види тези следи, нашият детектор, със 150 милиона сензори, действа като една наистина масивна 3-D камера, правейки снимка на всяко събитие на сблъсък -- това е до 14 милиона пъти в секунда. Това генерира много данни. Но ако големите данни са били около нас от толкова дълго време, защо изведнъж започваме да чуваме за тях сега? Ами, както обяснява старата метафора, цялото е по-голямо от сбора на съставните му части, и вече не само науката е тази, която изследва това. Фактът, че можем да извлечем повече познания чрез обединяване на свързана информация и забелязване на корелации, може да информира и обогати многобройни аспекти на всекидневния живот, било в реално време, като трафик или финансови условия, в краткосрочни развития, като медицинските или метеорологичните, или в предсказуеми ситуации, като бизнеса, престъпността или тенденции в заболяванията. Почти всяка област се обръща към събирането на големи данни, с мобилни сензорни мрежи, обхващащи целия свят, камери на земята и във въздуха, архиви, съхраняващи информация публикувана в интернет, и регистри улавящи дейностите на гражданите на интернет по целия свят. Предизвикателството е да се измислят нови инструменти и техники за дълбаене на тези огромни запаси, за информиране при вземане на решения, за подобряване на медицинската диагностика, и въобще да се отговори на нуждите и желанията на утрешното общество по начини, които са немислими днес.
Big data is an elusive concept. It represents an amount of digital information, which is uncomfortable to store, transport, or analyze. Big data is so voluminous that it overwhelms the technologies of the day and challenges us to create the next generation of data storage tools and techniques. So, big data isn't new. In fact, physicists at CERN have been rangling with the challenge of their ever-expanding big data for decades. Fifty years ago, CERN's data could be stored in a single computer. OK, so it wasn't your usual computer, this was a mainframe computer that filled an entire building. To analyze the data, physicists from around the world traveled to CERN to connect to the enormous machine. In the 1970's, our ever-growing big data was distributed across different sets of computers, which mushroomed at CERN. Each set was joined together in dedicated, homegrown networks. But physicists collaborated without regard for the boundaries between sets, hence needed to access data on all of these. So, we bridged the independent networks together in our own CERNET. In the 1980's, islands of similar networks speaking different dialects sprung up all over Europe and the States, making remote access possible but torturous. To make it easy for our physicists across the world to access the ever-expanding big data stored at CERN without traveling, the networks needed to be talking with the same language. We adopted the fledgling internet working standard from the States, followed by the rest of Europe, and we established the principal link at CERN between Europe and the States in 1989, and the truly global internet took off! Physicists could easily then access the terabytes of big data remotely from around the world, generate results, and write papers in their home institutes. Then, they wanted to share their findings with all their colleagues. To make this information sharing easy, we created the web in the early 1990's. Physicists no longer needed to know where the information was stored in order to find it and access it on the web, an idea which caught on across the world and has transformed the way we communicate in our daily lives. During the early 2000's, the continued growth of our big data outstripped our capability to analyze it at CERN, despite having buildings full of computers. We had to start distributing the petabytes of data to our collaborating partners in order to employ local computing and storage at hundreds of different institutes. In order to orchestrate these interconnected resources with their diverse technologies, we developed a computing grid, enabling the seamless sharing of computing resources around the globe. This relies on trust relationships and mutual exchange. But this grid model could not be transferred out of our community so easily, where not everyone has resources to share nor could companies be expected to have the same level of trust. Instead, an alternative, more business-like approach for accessing on-demand resources has been flourishing recently, called cloud computing, which other communities are now exploiting to analyzing their big data. It might seem paradoxical for a place like CERN, a lab focused on the study of the unimaginably small building blocks of matter, to be the source of something as big as big data. But the way we study the fundamental particles, as well as the forces by which they interact, involves creating them fleetingly, colliding protons in our accelerators and capturing a trace of them as they zoom off near light speed. To see those traces, our detector, with 150 million sensors, acts like a really massive 3-D camera, taking a picture of each collision event - that's up to 14 millions times per second. That makes a lot of data. But if big data has been around for so long, why do we suddenly keep hearing about it now? Well, as the old metaphor explains, the whole is greater than the sum of its parts, and this is no longer just science that is exploiting this. The fact that we can derive more knowledge by joining related information together and spotting correlations can inform and enrich numerous aspects of everyday life, either in real time, such as traffic or financial conditions, in short-term evolutions, such as medical or meteorological, or in predictive situations, such as business, crime, or disease trends. Virtually every field is turning to gathering big data, with mobile sensor networks spanning the globe, cameras on the ground and in the air, archives storing information published on the web, and loggers capturing the activities of Internet citizens the world over. The challenge is on to invent new tools and techniques to mine these vast stores, to inform decision making, to improve medical diagnosis, and otherwise to answer needs and desires of tomorrow's society in ways that are unimagined today.