數(shù)據(jù)正在呈幾何級(jí)數(shù)增長(zhǎng)，來(lái)自社交媒體(微信、微博)以及傳感器設(shè)備的非結(jié)構(gòu)化數(shù)據(jù)受到了越來(lái)越多的關(guān)注，. . .
數(shù)據(jù)正在呈幾何級(jí)數(shù)增長(zhǎng)，來(lái)自社交媒體(微信、微博)以及傳感器設(shè)備的非結(jié)構(gòu)化數(shù)據(jù)受到了越來(lái)越多的關(guān)注，而與傳統(tǒng)企業(yè)交易系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)一起，它們將有可能帶來(lái)新一輪的產(chǎn)業(yè)變革。機(jī)器學(xué)習(xí)，自然語(yǔ)言處理，輿情分析等詞匯幾乎每天都會(huì)出現(xiàn)在媒體的報(bào)道當(dāng)中，然而真正講它們大規(guī)模投入應(yīng)用的企業(yè)卻少之又少。
如今，企業(yè)CIO們幾乎人人都在討論大數(shù)據(jù)，許多人認(rèn)為大數(shù)據(jù)就是搭一個(gè)Hadoop集群，把所有的數(shù)據(jù)全部存進(jìn)去，再通過(guò)各種各樣的API調(diào)用進(jìn)行分析。然而答案并不是這么簡(jiǎn)單，大數(shù)據(jù)與IT方方面面都有聯(lián)系，從基礎(chǔ)設(shè)施到中間層再到前端的應(yīng)用。Hadoop不是萬(wàn)能的，它只是大數(shù)據(jù)的一部分，想要真正駕馭大數(shù)據(jù)，我們需要考慮更多的事情。
我們的數(shù)據(jù)究竟有哪些問(wèn)題？
事實(shí)上，我們要解決的大數(shù)據(jù)最基本的問(wèn)題是存儲(chǔ)和報(bào)表。我們?cè)撊绾未鎯?chǔ)快速增長(zhǎng)的數(shù)據(jù)，關(guān)鍵是在業(yè)務(wù)人員需要用到這些數(shù)據(jù)的時(shí)候，可以快速地訪問(wèn)。即席查詢生成報(bào)表，對(duì)業(yè)務(wù)進(jìn)行預(yù)測(cè)，充分利用大數(shù)據(jù)流中隱藏的價(jià)值。
你的數(shù)據(jù)都有哪些類型組成？關(guān)系型數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)還是音頻視頻？你如何存儲(chǔ)不同類型的數(shù)據(jù)，然后讓企業(yè)內(nèi)部的人員可以訪問(wèn)這些數(shù)據(jù)？答案其實(shí)在云端，云存儲(chǔ)技術(shù)基本上可以應(yīng)對(duì)大數(shù)據(jù)的存儲(chǔ)需求，你可以存儲(chǔ)任何類型的數(shù)據(jù)然后輕松地進(jìn)行擴(kuò)展。高端的SAN存儲(chǔ)技術(shù)在大數(shù)據(jù)時(shí)代已經(jīng)落伍，而且高昂的成本是企業(yè)所無(wú)法承受的。SAN存儲(chǔ)適合的是關(guān)鍵業(yè)務(wù)數(shù)據(jù)，每一條記錄對(duì)企業(yè)都是至關(guān)重要的。大數(shù)據(jù)正好相反，比如銷售訂單，這些數(shù)據(jù)是絕對(duì)不能丟失一條的，而一條微博或者日志文件怎沒(méi)有這么高的要求。包括華為、亞馬遜等云存儲(chǔ)服務(wù)可以使用廉價(jià)的設(shè)備為企業(yè)提供大數(shù)據(jù)存儲(chǔ)解決方案，實(shí)現(xiàn)可靠、可擴(kuò)展并且性價(jià)比更高的存儲(chǔ)。
當(dāng)然，電視的出現(xiàn)并未讓廣播電臺(tái)滅亡，在大數(shù)據(jù)時(shí)代也是如此。SAN依舊有它的價(jià)值，但并不是所有數(shù)據(jù)都要存在上面。我們需要云存儲(chǔ)是因?yàn)椴煌愋偷臄?shù)據(jù)都有著特殊的存儲(chǔ)需求。比如讀密集型的數(shù)據(jù)一般需要關(guān)系型數(shù)據(jù)庫(kù)；日志文件只使用HDFS存儲(chǔ)就可以；需要大量寫操作的數(shù)據(jù)則需要NoSQL數(shù)據(jù)庫(kù)；而存在大量讀寫操作的系統(tǒng)就需要強(qiáng)大的大數(shù)據(jù)架構(gòu)來(lái)作為支撐。你的系統(tǒng)也許需要低延遲、高一致性、高度可靠或者需要控制存儲(chǔ)的成本，每一種需求都意味著不同的存儲(chǔ)解決方案。低延遲可能意味著要上SDD或內(nèi)存設(shè)備，高一致性意味著要建立交易系統(tǒng)，高可靠意味著要使用數(shù)據(jù)庫(kù)復(fù)制功能。所以，大數(shù)據(jù)已經(jīng)告別了“放之四海皆準(zhǔn)”的關(guān)系型數(shù)據(jù)庫(kù)時(shí)代，Oracle+小型機(jī)+高端存儲(chǔ)(或者說(shuō)IOE)的組合已經(jīng)不能處理所有的數(shù)據(jù)難題。
那么企業(yè)到底需要什么？答案是以服務(wù)的方式提供的靈活可擴(kuò)展的云存儲(chǔ)解決方案，能夠滿足上述不同的存儲(chǔ)需求。比如亞馬遜的RDS，DynamoDB，華為的對(duì)象云存儲(chǔ)等。當(dāng)然，并不是所有的云存儲(chǔ)都可以滿足需求，企業(yè)需要更高的靈活性，同時(shí)出于延遲以及法規(guī)遵從等原因，這就要求能夠從不同的系統(tǒng)中將數(shù)據(jù)快速方便地進(jìn)行遷移，從內(nèi)部系統(tǒng)到公有云，或者從一個(gè)云提供商遷移到另一個(gè)云提供商。
商業(yè)智能與ETL的未來(lái)發(fā)展
除了存儲(chǔ)方案之外，我們還應(yīng)該關(guān)注前端應(yīng)用。傳統(tǒng)的ETL也將經(jīng)歷變革。業(yè)務(wù)人員肯定不希望為了導(dǎo)入一點(diǎn)額外的數(shù)據(jù)就讓IT部門更改schema，這樣的工作量和成本太高了。理想的狀態(tài)是有一個(gè)簡(jiǎn)單的工具，讓業(yè)務(wù)人員就能夠做即席查詢，比如Tableau就能夠解決這樣的問(wèn)題。然而，隨著數(shù)據(jù)量的不斷增長(zhǎng)，TB甚至PB級(jí)別的數(shù)據(jù)需要進(jìn)行處理，那么軟件的成本就要考慮在內(nèi)，這時(shí)候你該怎么辦？
ETL和BI工具的未來(lái)將運(yùn)行在Web端，任何的業(yè)務(wù)人員都能夠用它來(lái)生成報(bào)表。動(dòng)態(tài)的HTML5用戶界面可以通過(guò)拖拽就完成數(shù)據(jù)的查詢與報(bào)表生成，如果你還需要對(duì)業(yè)務(wù)用戶進(jìn)行培訓(xùn)才能夠使用這些工具，那么就真的OUT了。
新一代的BI工具能夠應(yīng)對(duì)實(shí)時(shí)、圖形化、大對(duì)象以及非結(jié)構(gòu)化數(shù)據(jù)的處理，同時(shí)能夠?qū)⑦@些數(shù)據(jù)存儲(chǔ)在云端。每種數(shù)據(jù)可以托管在不同的云服務(wù)上，但都可以通過(guò)一個(gè)API進(jìn)行訪問(wèn)。企業(yè)無(wú)需再關(guān)心什么樣的數(shù)據(jù)用什么樣的存儲(chǔ)，云服務(wù)提供商就可以搞定。
最后，有一點(diǎn)很重要。越來(lái)越多的企業(yè)開始意識(shí)到，數(shù)據(jù)分析已經(jīng)成為了一種“戰(zhàn)略武器”。下一代的商業(yè)巨頭，也許就會(huì)從那些知道如何收集數(shù)據(jù)并把它們轉(zhuǎn)化有價(jià)值洞察力的企業(yè)中誕生。千里之行始于足下，在構(gòu)建大數(shù)據(jù)分析模型或者投入機(jī)器學(xué)習(xí)，招聘數(shù)據(jù)科學(xué)家之前，企業(yè)需要先解決好如何存儲(chǔ)大數(shù)據(jù)，而答案就在云端。
