大数据包含数据收集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现。在大数据的生命周期中，数据采集处于第一个环节。根据MapReduce产生数据的应用系统分类，大数据的采集主要有4种来源：管理信息系统、Web信息系统、物理信息系统、科学实验系统。