大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，简单来说大数据就是海量的数据，就是数据量大、来源广、种类繁多(日志、视频、音频)，大到PB级别，现阶段的框架就是为了解决PB级别的数据。

大数据的7大特征：海量性，多样性，高速性，可变性，真实性，复杂性，价值性

随着大数据产业的发展，它逐渐从一个高端的、理论性的概念演变为具体的、实用的理念。

很多情况下大数据来源于生活。
比如你点外卖，准备什么时候买，你的位置在哪，商家位置在哪，想吃什么……这都是数据，人一多各种各样的信息就越多，还不断增长，把这些信息集中，就是大数据。

大数据的价值并不是在这些数据上，而是在于隐藏在数据背后的——用户的喜好、习惯还有信息。

对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

趋势

数据的资源化

何为资源化，是指大数据成为企业和社会关注的重要战略资源，并已成为大家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。

与云计算的深度结合

大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2021年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

科学理论的突破

随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。

数据科学和数据联盟的成立

未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。

数据泄露泛滥

未来几年数据泄露事件的增长率也许会达到100%，除非数据在其源头就能够得到安全保障。可以说，在未来，每个财富500强企业都会面临数据攻击，无论他们是否已经做好安全防范。而所有企业，无论规模大小，都需要重新审视今天的安全定义。在财富500强企业中，超过50%将会设置首席信息安全官这一职位。企业需要从新的角度来确保自身以及客户数据，所有数据在创建之初便需要获得安全保障，而并非在数据保存的最后一个环节，仅仅加强后者的安全措施已被证明于事无补。

数据管理成为核心竞争力

数据管理成为核心竞争力，直接影响财务表现。当“数据资产是企业核心资产”的概念深入人心之后，企业对于数据管理便有了更清晰的界定，将数据管理作为企业核心竞争力，持续发展，战略性规划与运用数据资产，成为企业数据管理的核心。数据资产管理效率与主营业务收入增长率、销售收入增长率显著正相关;此外，对于具有互联网思维的企业而言，数据资产竞争力所占比重为36.8%，数据资产的管理效果将直接影响企业的财务表现。

数据质量是BI(商业智能)成功的关键

采用自助式商业智能工具进行大数据处理的企业将会脱颖而出。其中要面临的一个挑战是，很多数据源会带来大量低质量数据。想要成功，企业需要理解原始数据与数据分析之间的差距，从而消除低质量数据并通过BI获得更佳决策。

数据生态系统复合化程度加强

大数据的世界不只是一个单一的、巨大的计算机网络，而是一个由大量活动构件与多元参与者元素所构成的生态系统，终端设备提供商、基础设施提供商、网络服务提供商、网络接入服务提供商、数据服务使能者、数据服务提供商、触点服务、数据服务零售商等等一系列的参与者共同构建的生态系统。而今，这样一套数据生态系统的基本雏形已然形成，接下来的发展将趋向于系统内部角色的细分，也就是市场的细分;系统机制的调整，也就是商业模式的创新;系统结构的调整，也就是竞争环境的调整等等，从而使得数据生态系统复合化程度逐渐增强。

大数据技术，简而言之，就是提取大数据价值的技术，是根据特定目标，经过数据收集与存储、数据筛选、算法分析与预测、数据分析结果展示等，为做出正确决策提供依据，其处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据处理手段所无法完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等，汇集了当前IT领域热门流行的IT技术。
想要成为炙手可热的大数据技术人才，这些大数据的核心技术一定要知晓！

一、大数据基础阶段
大数据基础阶段需掌握的技术有：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis以及hadoop mapreduce hdfs yarn等。
1、Linux命令
对于大数据开发通常是在Linux环境下进行的，相比Linux操作系统，Windows操作系统是封闭的操作系统，开源的大数据软件很受限制，因此，想从事大数据开发相关工作，还需掌握Linux基础操作命令
2、 Redis
Redis是一个key-value存储系统，其出现很大程度补偿了memcached这类key/value存储的不足，在部分场合可以对关系数据库起到很好的补充作用，它提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客户端，使用很方便，大数据开发需掌握Redis的安装、配置及相关使用方法。
二、大数据存储阶段
大数据存储阶段需掌握的技术有：hbase、hive、sqoop等。
1、HBase
HBase是一个分布式的、面向列的开源数据库，它不同于一般的关系数据库，更适合于非结构化数据存储的数据库，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。
2、Hive
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行，十分适合数据仓库的统计分析。对于Hive需掌握其安装、应用及高级操作等。
三、大数据架构设计阶段
大数据架构设计阶段需掌握的技术有：Flume分布式、Zookeeper、Kafka等。
1、Kafka
Kafka是一种高吞吐量的分布式发布订阅消息系统，其在大数据开发应用上的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。大数据开发需掌握Kafka架构原理及各组件的作用和使用方法及相关功能的实现！
2、Flume
Flume是一款高可用、高可靠、分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据;同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。大数据开发需掌握其安装、配置以及相关使用方法。
3、ZooKeeper
ZooKeeper是Hadoop和Hbase的重要组件，是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。
四、大数据实时计算阶段
大数据实时计算阶段需掌握的技术有：Mahout、Spark、storm。
1、Spark
Spark是专为大规模数据处理而设计的快速通用的计算引擎，其提供了一个全面、统一的框架用于管理各种不同性质的数据集和数据源的大数据处理的需求，大数据开发需掌握Spark基础、SparkJob、Spark RDD、spark job部署与资源分配、Spark shuffle、Spark内存管理、Spark广播变量、Spark SQL、Spark Streaming以及Spark ML等相关知识。
2、storm
Storm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。Storm可以方便地在一个计算机集群中编写与扩展复杂的实时计算，Storm用于实时处理，就好比 Hadoop 用于批处理。Storm保证每个消息都会得到处理，而且它很快——在一个小集群中，每秒可以处理数以百万计的消息。
五、大数据数据采集阶段
大数据数据采集阶段需掌握的技术有：Python、Scala。
1、Python与数据分析
Python是面向对象的编程语言，拥有丰富的库，使用简单，应用广泛，在大数据领域也有所应用，主要可用于数据采集、数据分析以及数据可视化等，因此，大数据开发需学习一定的Python知识。
2、Scala
Scala是一门多范式的编程语言，大数据开发重要框架Spark是采用Scala语言设计的，想要学好Spark框架，拥有Scala基础是必不可少的，因此，大数据开发需掌握Scala编程基础知识！
以上只是一些简单的大数据核心技术总结，比较零散，想要学习大数据的同学，还是要按照一定到的技术路线图学习！

大数据本身是一个抽象的概念。从一般意义上讲，大数据是指无法在有限时间内用常规软件工具对其进行获取、存储、管理和处理的数据集合。
目前，业界对大数据还没有一个统一的定义，但是大家普遍认为，大数据具备 Volume、Velocity、Variety 和 Value 四个特征，简称“4V”，即数据体量巨大、数据速度快、数据类型繁多和数据价值密度低，如图 1 所示。下面分别对每个特征作简要描述。

1）Volume：表示大数据的数据体量巨大。
数据集合的规模不断扩大，已经从 GB 级增加到 TB 级再增加到 PB 级，近年来，数据量甚至开始以 EB 和 ZB 来计数。

例如，一个中型城市的视频监控信息一天就能达到几十 TB 的数据量。百度首页导航每天需要提供的数据超过 1-5PB，如果将这些数据打印出来，会超过 5000 亿张 A4 纸。图 2 展示了每分钟互联网产生的各类数据的量。

2）Velocity：表示大数据的数据产生、处理和分析的速度在持续加快。

加速的原因是数据创建的实时性特点，以及将流数据结合到业务流程和决策过程中的需求。数据处理速度快，处理模式已经开始从批处理转向流处理。

业界对大数据的处理能力有一个称谓——“ 1 秒定律”，也就是说，可以从各种类型的数据中快速获得高价值的信息。大数据的快速处理能力充分体现出它与传统的数据处理技术的本质区别。

3）Variety：表示大数据的数据类型繁多。

传统 IT 产业产生和处理的数据类型较为单一，大部分是结构化数据。随着传感器、智能设备、社交网络、物联网、移动计算、在线广告等新的渠道和技术不断涌现，产生的数据类型无以计数。

现在的数据类型不再只是格式化数据，更多的是半结构化或者非结构化数据，如 XML、邮件、博客、即时消息、视频、照片、点击流、 日志文件等。企业需要整合、存储和分析来自复杂的传统和非传统信息源的数据，包括企业内部和外部的数据。

4）Value：表示大数据的数据价值密度低。

大数据由于体量不断加大，单位数据的价值密 度在不断降低，然而数据的整体价值在提高。以监控视频为例，在一小时的视频中，有用的数据可能仅仅只有一两秒，但是却会非常重要。现在许多专家已经将大数据等同于黄金和石油，这表示大数据当中蕴含了无限的商业价值。

通过对大数据进行处理，找出其中潜在的商业价值，将会产生巨大的商业利润
有很多的大数据知识可以在尚学堂大数据学院看看直播什么的，会对你有帮助的

世界观：比如有人认为东北人都是黑涩会
人生观：活着就得开心
价值观：女人就得花男人钱

三观不正就是人品不好

每个成年人都有自己世界观、人生观和价值观，简称“三观”。
一、世界观
1、定义
世界观亦称宇宙观，是人们对整个世界（包括自然界、人类社会和精神世界）的总体认识和根本观点。
2、概要（具体表现）
世界观包括两大根本问题：
①世界“是什么”的问题。世界上的两大类现象——物质和精神谁决定谁？世界在本质上是物质的世界，还是精神的世界？
②世界“怎么样”的问题。世界上的事物是彼此孤立的还是相互联系的？是静止不变的还是运动发展的？
哲学就是理论化、系统化的世界观。
二、人生观
1、定义
人生观是人们对人生的总体看法和根本观点。
2、概要（具体表现）
人生观是世界观的重要组成部分，是世界观在人生问题上的体现。
人生观包括三大方面，涉及三大问题：
①人生目的，回答人生为了什么？是为了吃喝玩乐，还是为了奉献社会。
②人生态度，回答人该怎样活着？是乐观积极进取，还是悲观消极无为。
③人生评价，回答人生价值何在？是看贡献的大小，还是看索取的多少。
三、价值观
1、定义
价值观是人们关于价值问题的根本观点。
2、概要（具体表现）
价值观的重要问题包括：
①价值如何定义，价值是实体范畴、属性范畴还是关系范畴？
②价值如何分类，特别是人的价值如何分类？
③价值如何创造，特别是如何创造有价值的人生？

■狭义相对论的创立

早在16岁时，爱因斯坦就从书本上了解到光是以很快速度前进的电磁波，他产生了一个想法，如果一个人以光的速度运动，他将看到一幅什么样的世界景象呢？他将看不到前进的光，只能看到在空间里振荡着却停滞不前的电磁场。这种事可能发生吗？
与此相联系，他非常想探讨与光波有关的所谓以太的问题。以太这个名词源于希腊，用以代表组成天上物体的基本元素。17世纪，笛卡尔首次将它引入科学，作为传播光的媒质。其后，惠更斯进一步发展了以太学说，认为荷载光波的媒介物是以太，它应该充满包括真空在内的全部空间，并能渗透到通常的物质中。与惠更斯的看法不同，牛顿提出了光的微粒说。牛顿认为，发光体发射出的是以直线运动的微粒粒子流，粒子流冲击视网膜就引起视觉。18世纪牛顿的微粒说占了上风，然而到了19世纪，却是波动说占了绝对优势，以太的学说也因此大大发展。当时的看法是，波的传播要依赖于媒质，因为光可以在真空中传播，传播光波的媒质是充满整个空间的以太，也叫光以太。与此同时，电磁学得到了蓬勃发展，经过麦克斯韦、赫兹等人的努力，形成了成熟的电磁现象的动力学理论——电动力学，并从理论与实践上将光和电磁现象统一起来，认为光就是一定频率范围内的电磁波，从而将光的波动理论与电磁理论统一起来。以太不仅是光波的载体，也成了电磁场的载体。直到19世纪末，人们企图寻找以太，然而从未在实验中发现以太。
但是，电动力学遇到了一个重大的问题，就是与牛顿力学所遵从的相对性原理不一致。关于相对性原理的思想，早在伽利略和牛顿时期就已经有了。电磁学的发展最初也是纳入牛顿力学的框架，但在解释运动物体的电磁过程时却遇到了困难。按照麦克斯韦理论，真空中电磁波的速度，也就是光的速度是一个恒量，然而按照牛顿力学的速度加法原理，不同惯性系的光速不同，这就出现了一个问题：适用于力学的相对性原理是否适用于电磁学？例如，有两辆汽车，一辆向你驶近，一辆驶离。你看到前一辆车的灯光向你靠近，后一辆车的灯光远离。按照麦克斯韦的理论，这两种光的速度相同，汽车的速度在其中不起作用。但根据伽利略理论，这两项的测量结果不同。向你驶来的车将发出的光加速，即前车的光速=光速+车速；而驶离车的光速较慢，因为后车的光速=光速-车速。麦克斯韦与伽利略关于速度的说法明显相悖。我们如何解决这一分歧呢？
19世纪理论物理学达到了巅峰状态，但其中也隐含着巨大的危机。海王星的发现显示出牛顿力学无比强大的理论威力，电磁学与力学的统一使物理学显示出一种形式上的完整，并被誉为“一座庄严雄伟的建筑体系和动人心弦的美丽的庙堂”。在人们的心目中，古典物理学已经达到了近乎完美的程度。德国著名的物理学家普朗克年轻时曾向他的老师表示要献身于理论物理学，老师劝他说：“年轻人，物理学是一门已经完成了的科学，不会再有多大的发展了，将一生献给这门学科，太可惜了。”
爱因斯坦似乎就是那个将构建崭新的物理学大厦的人。在伯尔尼专利局的日子里，爱因斯坦广泛关注物理学界的前沿动态，在许多问题上深入思考，并形成了自己独特的见解。在十年的探索过程中，爱因斯坦认真研究了麦克斯韦电磁理论，特别是经过赫兹和洛伦兹发展和阐述的电动力学。爱因斯坦坚信电磁理论是完全正确的，但是有一个问题使他不安，这就是绝对参照系以太的存在。他阅读了许多著作发现，所有人试图证明以太存在的试验都是失败的。经过研究爱因斯坦发现，除了作为绝对参照系和电磁场的荷载物外，以太在洛伦兹理论中已经没有实际意义。于是他想到：以及绝对参照系是必要的吗？电磁场一定要有荷载物吗？
爱因斯坦喜欢阅读哲学著作，并从哲学中吸收思想营养，他相信世界的统一性和逻辑的一致性。相对性原理已经在力学中被广泛证明，但在电动力学中却无法成立，对于物理学这两个理论体系在逻辑上的不一致，爱因斯坦提出了怀疑。他认为，相对论原理应该普遍成立，因此电磁理论对于各个惯性系应该具有同样的形式，但在这里出现了光速的问题。光速是不变的量还是可变的量，成为相对性原理是否普遍成立的首要问题。当时的物理学家一般都相信以太，也就是相信存在着绝对参照系，这是受到牛顿的绝对空间概念的影响。19世纪末，马赫在所著的《发展中的力学》中，批判了牛顿的绝对时空观，这给爱因斯坦留下了深刻的印象。 1905年5月的一天，爱因斯坦与一个朋友贝索讨论这个已探索了十年的问题，贝索按照马赫主义的观点阐述了自己的看法，两人讨论了很久。突然，爱因斯坦领悟到了什么，回到家经过反复思考，终于想明白了问题。第二天，他又来到贝索家，说：谢谢你，我的问题解决了。原来爱因斯坦想清楚了一件事：时间没有绝对的定义，时间与光信号的速度有一种不可分割的联系。他找到了开锁的钥匙，经过五个星期的努力工作，爱因斯坦把狭义相对论呈现在人们面前。
1905年6月30日，德国《物理学年鉴》接受了爱因斯坦的论文《论动体的电动力学》，在同年9月的该刊上发表。这篇论文是关于狭义相对论的第一篇文章，它包含了狭义相对论的基本思想和基本内容。狭义相对论所根据的是两条原理：相对性原理和光速不变原理。爱因斯坦解决问题的出发点，是他坚信相对性原理。伽利略最早阐明过相对性原理的思想，但他没有对时间和空间给出过明确的定义。牛顿建立力学体系时也讲了相对性思想，但又定义了绝对空间、绝对时间和绝对运动，在这个问题上他是矛盾的。而爱因斯坦大大发展了相对性原理，在他看来，根本不存在绝对静止的空间，同样不存在绝对同一的时间，所有时间和空间都是和运动的物体联系在一起的。对于任何一个参照系和坐标系，都只有属于这个参照系和坐标系的空间和时间。对于一切惯性系，运用该参照系的空间和时间所表达的物理规律，它们的形式都是相同的，这就是相对性原理，严格地说是狭义的相对性原理。在这篇文章中，爱因斯坦没有多讨论将光速不变作为基本原理的根据，他提出光速不变是一个大胆的假设，是从电磁理论和相对性原理的要求而提出来的。这篇文章是爱因斯坦多年来思考以太与电动力学问题的结果，他从同时的相对性这一点作为突破口，建立了全新的时间和空间理论，并在新的时空理论基础上给动体的电动力学以完整的形式，以太不再是必要的，以太漂流是不存在的。
什么是同时性的相对性？不同地方的两个事件我们何以知道它是同时发生的呢？一般来说，我们会通过信号来确认。为了得知异地事件的同时性我们就得知道信号的传递速度，但如何没出这一速度呢？我们必须测出两地的空间距离以及信号传递所需的时间，空间距离的测量很简单，麻烦在于测量时间，我们必须假定两地各有一只已经对好了的钟，从两个钟的读数可以知道信号传播的时间。但我们如何知道异地的钟对好了呢？答案是还需要一种信号。这个信号能否将钟对好？如果按照先前的思路，它又需要一种新信号，这样无穷后退，异地的同时性实际上无法确认。不过有一点是明确的，同时性必与一种信号相联系，否则我们说这两件事同时发生是无意义的。
光信号可能是用来对时钟最合适的信号，但光速非无限大，这样就产生一个新奇的结论，对于静止的观察者同时的两件事，对于运动的观察者就不是同时的。我们设想一个高速运行的列车，它的速度接近光速。列车通过站台时，甲站在站台上，有两道闪电在甲眼前闪过，一道在火车前端，一道在后端，并在火车两端及平台的相应部位留下痕迹，通过测量，甲与列车两端的间距相等，得出的结论是，甲是同时看到两道闪电的。因此对甲来说，收到的两个光信号在同一时间间隔内传播同样的距离，并同时到达他所在位置，这两起事件必然在同一时间发生，它们是同时的。但对于在列车内部正中央的乙，情况则不同，因为乙与高速运行的列车一同运动，因此他会先截取向着他传播的前端信号，然后收到从后端传来的光信号。对乙来说，这两起事件是不同时的。也就是说，同时性不是绝对的，而取决于观察者的运动状态。这一结论否定了牛顿力学中引以为基础的绝对时间和绝对空间框架。
相对论认为，光速在所有惯性参考系中不变，它是物体运动的最大速度。由于相对论效应，运动物体的长度会变短，运动物体的时间膨胀。但由于日常生活中所遇到的问题，运动速度都是很低的（与光速相比），看不出相对论效应。
爱因斯坦在时空观的彻底变革的基础上建立了相对论力学，指出质量随着速度的增加而增加，当速度接近光速时，质量趋于无穷大。他并且给出了著名的质能关系式：E=mc2，质能关系式对后来发展的原子能事业起到了指导作用。

没有绝对正确的理论，相对论自然也不例外。
一个好的理论（不仅仅是指正确的），应该是可以证伪的，也就是说，是可以通过实验验证或者推翻的。找到一个符合理论的实验数据，就可以使这个理论向“正确”方向前进一点，但是如果找到一个不符合理论的数据，就可以宣布这个理论错误。 这就是正确判断一个理论成功与否的关键。 现在有一些理论，根本不能被试验证伪，不管它正确与否，就不算是“好的”理论。

很幸运，相对论目前与所有的实验都相符，目前还找不到与之矛盾的实验，所以我们可以说相对论目前是正确的。

至于您说的时间概念。没错，相对论是一个经典理论，是时间对称的，是连续性的，也是有因果确定性的。
相对论没能解释时间单向性，不过除了热力学第二定律，我实在找不出任何显示时间箭头有关的理论。但是，这些都不能作为推翻相对论的依据，毕竟相对论可以做出许多符合观测的预言。
是的，相对论有很多不足，它不能解释大爆炸奇点，不能解释黑洞奇点，不能解释大挤压，不能解释量子论中由不确定原理产生的一系列问题。
难道就因为牛顿第一定律不能解释水为什么在0度时候结冰就说它是错误的吗？

相对论是正确的，但它不是我们宇宙的终极定律而已。它依然是我们了解宇宙奥秘所信赖的基石。

人们对相对论的疑惑和质疑就集中在相对论关于时间的理论

百度贴吧里有个叫反相吧，你可以进去看看，这个吧就是反相对论高手在里面探讨的地方，对你了解相对论很有帮助

通俗的解释就是：比方说，你被打了麻醉剂，整整睡了一个礼拜，当你醒来的时候发现，已经过了7天了，可是你只是睡了一觉而已，不过觉得过了几个小时。

更像是哲学理论，从哲学的角度理解可能会更好

时间也就是过了几分钟啊。

定义：人为定下的术语或结论；
公理：不需证明的结论；
定理：从公理与其它定理推出的结论；

公理就是自古以来人们形成的共识，不需要证明的真理，例如两点确定一条直线，
定理是由人们提出来的规则，并且经过证明是正确的，例如三角形全等的判定。
定义是人们对某个事物的概念，以区别其他事物的特征。
请采纳回答！

定义是揭示概念所反映的事物本质的较为简短而明确的命题。
定理就是根据定义和公理推导演绎出来的命题。
公理就是在一个理论系统中被默认为真的命题，而定理是根据公理或其他的真命题（定理）推导出来的真命题。

没什么