做年终汇报或者准备面试时，很多人会在材料里放一页大数据的特征，答案基本都是4V。这套说法从行业研究机构传下来，叫了十几年，四条分别是：量大、速度快、类型多、价值密度低。逐条说清楚，比背缩写有用。
第一条Volume，量大。超市一天几十万笔小票，一台机床每秒上报几百条传感器读数，一个普通App一天产生的日志就可能上TB。这个量级Excel直接打不开，单机数据库也扛不住，得靠HDFS这类分布式存储把文件切块摊到几十台上百台机器上，带宽成本和机器数量跟着量走，这是最直观的一笔账。
- 量：论TB和PB说话，不再论MB
- 速：毫秒级响应，不是第二天出报表
- 杂：表格、图片、日志、语音混着来
- 值：一吨矿渣里淘几克金
这四条合在一起才叫大数据，单拎一条都不算。攒了十个G的Excel表格，量大但类型单一；一段监控视频，类型丰富但量不够，都够不上用大数据平台的门槛，判断要不要上平台，就看这四条占了几条。
速度快：晚几秒就没价值
Velocity说的是产生和处理的速度。大促零点每秒几十万笔订单要实时扣库存，风控要在用户输密码的瞬间判断风险，这种场景数据晚几秒就成了废纸。所以流式计算、内存计算才会被单独拎出来讲，批处理跑T+1报表是另一回事。
类型多：表格只占一小块
Variety指格式杂。结构化的订单表、半结构的JSON接口日志、完全非结构的图片语音视频，经常混在同一个业务里。存储选型也因此分裂：表格进关系库，日志进搜索引擎或列式库，音视频直接放对象存储。
价值密度低：值钱的就几条
Value这条最容易被忽略。几个小时的城市监控，有用的可能只有几秒；上亿条点击日志里，能定位问题的异常记录就那么几行。所以大数据的特征里它才排得上号，先有海量，再靠算法把稀疏的价值捞出来。
有的材料还会加第5个V，Veracity，真实性。数据量上去以后噪声、缺失、刷量跟着涨，清洗校验的成本不低。实际答题说4V就稳，被追问再补这条；写方案别背词，把量级、时效、数据类型三件事说清楚，存储和计算引擎的选型自然就定了。