Несмотря на стремительный рост как производительности, так и емкости запоминающих устройств, темпы роста количества вновь создаваемых данных существенно опережают возможности их хранения и, тем более, возможности обработки. В связи с этим попытки экстенсивного подхода, основанного на наращивании мощности вычислительных систем, не могут радикально решить возникающие проблемы. В статье обсуждаются актуальные классы аналитических задач обработки данных, извлечения информации и знаний и анализируются различные альтернативные подходы к их решению. Этот круг задач и подходов, часто неформально объединяемый под зонтиком Big Data, в последнее время характеризуется уже пятью V (Volume, Variety, Velocity, Veraсity and Value). Наиболее сложными и наиболее интересными представляются задачи, связанные с обеспечением скорости получения результатов обработки и оценки их надежности и корректности. С. 10-18.

In spite of rapid growth of both performance and capacity of available processing and storage devices, the amount of produced data significantly exceeds the capacity of available storage and available processing resources and this gap grows steely. Thus the problem cannot be resolved with scale-out approach. In this paper we discuss several classes of analytical processing, tasks, information and knowledge extraction and analyse alternative approaches to their solution. typically these problems are considered under informal umbrella of Big Data, which are characterised with 5 V: volume, variety, velocity, veracity, and value. The most important and challenging issues are the processing speed, reliability and quality of results.