數(shù)據(jù)正在呈幾何級數(shù)增長，來自社交媒體(微信、微博)以及傳感器設備的非結構化數(shù)據(jù)受到了越來越多的關注，. . .
數(shù)據(jù)正在呈幾何級數(shù)增長，來自社交媒體(微信、微博)以及傳感器設備的非結構化數(shù)據(jù)受到了越來越多的關注，而與傳統(tǒng)企業(yè)交易系統(tǒng)的結構化數(shù)據(jù)一起，它們將有可能帶來新一輪的產(chǎn)業(yè)變革。機器學習，自然語言處理，輿情分析等詞匯幾乎每天都會出現(xiàn)在媒體的報道當中，然而真正講它們大規(guī)模投入應用的企業(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)，許多人認為大數(shù)據(jù)就是搭一個Hadoop集群，把所有的數(shù)據(jù)全部存進去，再通過各種各樣的API調(diào)用進行分析。然而答案并不是這么簡單，大數(shù)據(jù)與IT方方面面都有聯(lián)系，從基礎設施到中間層再到前端的應用。Hadoop不是萬能的，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)究竟有哪些問題？
事實上，我們要解決的大數(shù)據(jù)最基本的問題是存儲和報表。我們該如何存儲快速增長的數(shù)據(jù)，關鍵是在業(yè)務人員需要用到這些數(shù)據(jù)的時候，可以快速地訪問。即席查詢生成報表，對業(yè)務進行預測，充分利用大數(shù)據(jù)流中隱藏的價值。
你的數(shù)據(jù)都有哪些類型組成？關系型數(shù)據(jù)、非結構化數(shù)據(jù)還是音頻視頻？你如何存儲不同類型的數(shù)據(jù)，然后讓企業(yè)內(nèi)部的人員可以訪問這些數(shù)據(jù)？答案其實在云端，云存儲技術基本上可以應對大數(shù)據(jù)的存儲需求，你可以存儲任何類型的數(shù)據(jù)然后輕松地進行擴展。高端的SAN存儲技術在大數(shù)據(jù)時代已經(jīng)落伍，而且高昂的成本是企業(yè)所無法承受的。SAN存儲適合的是關鍵業(yè)務數(shù)據(jù)，每一條記錄對企業(yè)都是至關重要的。大數(shù)據(jù)正好相反，比如銷售訂單，這些數(shù)據(jù)是絕對不能丟失一條的，而一條微博或者日志文件怎沒有這么高的要求。包括華為、亞馬遜等云存儲服務可以使用廉價的設備為企業(yè)提供大數(shù)據(jù)存儲解決方案，實現(xiàn)可靠、可擴展并且性價比更高的存儲。
當然，電視的出現(xiàn)并未讓廣播電臺滅亡，在大數(shù)據(jù)時代也是如此。SAN依舊有它的價值，但并不是所有數(shù)據(jù)都要存在上面。我們需要云存儲是因為不同類型的數(shù)據(jù)都有著特殊的存儲需求。比如讀密集型的數(shù)據(jù)一般需要關系型數(shù)據(jù)庫；日志文件只使用HDFS存儲就可以；需要大量寫操作的數(shù)據(jù)則需要NoSQL數(shù)據(jù)庫；而存在大量讀寫操作的系統(tǒng)就需要強大的大數(shù)據(jù)架構來作為支撐。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的成本，每一種需求都意味著不同的存儲解決方案。低延遲可能意味著要上SDD或內(nèi)存設備，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)庫復制功能。所以，大數(shù)據(jù)已經(jīng)告別了“放之四海皆準”的關系型數(shù)據(jù)庫時代，Oracle+小型機+高端存儲(或者說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？答案是以服務的方式提供的靈活可擴展的云存儲解決方案，能夠滿足上述不同的存儲需求。比如亞馬遜的RDS，DynamoDB，華為的對象云存儲等。當然，并不是所有的云存儲都可以滿足需求，企業(yè)需要更高的靈活性，同時出于延遲以及法規(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)快速方便地進行遷移，從內(nèi)部系統(tǒng)到公有云，或者從一個云提供商遷移到另一個云提供商。
商業(yè)智能與ETL的未來發(fā)展
除了存儲方案之外，我們還應該關注前端應用。傳統(tǒng)的ETL也將經(jīng)歷變革。業(yè)務人員肯定不希望為了導入一點額外的數(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)是有一個簡單的工具，讓業(yè)務人員就能夠做即席查詢，比如Tableau就能夠解決這樣的問題。然而，隨著數(shù)據(jù)量的不斷增長，TB甚至PB級別的數(shù)據(jù)需要進行處理，那么軟件的成本就要考慮在內(nèi)，這時候你該怎么辦？
ETL和BI工具的未來將運行在Web端，任何的業(yè)務人員都能夠用它來生成報表。動態(tài)的HTML5用戶界面可以通過拖拽就完成數(shù)據(jù)的查詢與報表生成，如果你還需要對業(yè)務用戶進行培訓才能夠使用這些工具，那么就真的OUT了。
新一代的BI工具能夠應對實時、圖形化、大對象以及非結構化數(shù)據(jù)的處理，同時能夠?qū)⑦@些數(shù)據(jù)存儲在云端。每種數(shù)據(jù)可以托管在不同的云服務上，但都可以通過一個API進行訪問。企業(yè)無需再關心什么樣的數(shù)據(jù)用什么樣的存儲，云服務提供商就可以搞定。
最后，有一點很重要。越來越多的企業(yè)開始意識到，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，也許就會從那些知道如何收集數(shù)據(jù)并把它們轉化有價值洞察力的企業(yè)中誕生。千里之行始于足下，在構建大數(shù)據(jù)分析模型或者投入機器學習，招聘數(shù)據(jù)科學家之前，企業(yè)需要先解決好如何存儲大數(shù)據(jù)，而答案就在云端。
