在互聯(lián)網(wǎng)中，很多業(yè)務(wù)對(duì)數(shù)據(jù)的訪問(wèn)并不是均勻的，而是呈現(xiàn)相對(duì)的數(shù)據(jù)訪問(wèn)傾斜（skewed workloads），會(huì)出現(xiàn)相對(duì)的hotspot，因此對(duì)冷熱數(shù)據(jù)的研究還是很有必要的。按照數(shù)據(jù)被使用的頻繁程度，數(shù)據(jù)可以被分為熱數(shù)據(jù)、溫?cái)?shù)據(jù)和冷數(shù)據(jù)。熱數(shù)據(jù)就是在一段時(shí)間內(nèi)訪問(wèn)的較多的數(shù)據(jù)，它們?cè)诮酉聛?lái)的時(shí)間內(nèi)訪問(wèn)的概率也會(huì)非常大。

冷熱數(shù)據(jù)的判斷大都基于兩個(gè)標(biāo)準(zhǔn)：

（1）、訪問(wèn)的頻繁度。 即在一段時(shí)間內(nèi)對(duì)一個(gè)數(shù)據(jù)訪問(wèn)的越多，常理上我們?cè)桨阉?dāng)成hot data。這個(gè)標(biāo)準(zhǔn)非常符合我們?cè)谥暗亩x，也非常好理解。

（2）、訪問(wèn)的時(shí)效性。 即訪問(wèn)的數(shù)據(jù)越接近當(dāng)前時(shí)間點(diǎn)，我們也可以從某種程度上把其當(dāng)成hot data。因?yàn)榇蠖鄶?shù)應(yīng)用場(chǎng)景，都具有時(shí)間和空間的局部性（尤其是對(duì)于計(jì)算機(jī)領(lǐng)域來(lái)說(shuō)），當(dāng)前訪問(wèn)的數(shù)據(jù)，接下來(lái)訪問(wèn)的概率相對(duì)要較大些。

以上就是基本的判別標(biāo)準(zhǔn)，一些具體的應(yīng)用算法也大都是根據(jù)上面的兩個(gè)標(biāo)準(zhǔn)來(lái)劃分冷熱數(shù)據(jù)的。