近年來，以大數據、物聯網、人工智能、5G為核心特征的數字化浪潮正席卷全球，由此帶來的車聯網、工業物聯網、人工智能生物識別帶來的海量異構化數據，以及高帶寬、低時延等新業務個性化需求，讓傳統的通用服務器及存儲架構不堪重負。

DT時代，未來已來——數據“大爆炸”

首先要明白大家為何從前幾年開始談大數據了？這是一個基本問題，包含著對當下數據現實的基本認識。一個不可忽視的事實是，隨著網絡和信息技術的不斷普及，人類產生的數據量正在呈指數級增長。大約每兩年翻一番，這意味著人類在最近兩年產生的數據量相當于之前產生的全部數據量。

數據“大爆炸”

對于如此巨量數據(而且單純的增量數據都是一個巨量)，與之相關的存儲、分析、流轉、使用到交易等等環節產生了一系列關聯的問題，而在當下的時間節點，我們不得不明確面對，而不僅僅是先找個地方把數據存起來。

國家信息中心專家委員會主任寧家駿表示：大數據是指無法在一定時間內使用傳統數據庫軟件工具對其內容進行抓取、管理和處理的數據集。大數據不僅僅是大，還有它的復雜性和沙里淘金的重要性。

以上是寧家駿從技術分析角度對數據與大數據做的區分，傳統軟件處理的數量主要是結構化數據，而且數量上相對小。當規模大到需要新的技術方案的時候，那正是我們重新認識它的時候。

在筆者看來，大數據有兩大特點，一是數據來源多源，包括各種結構化數據和非結構化數據，如網絡日志、視頻、圖片、地理位置信息等等，同時數量相對巨大，大數據中的‘大’本身就是一個相對的概念；二是數據處于“on line”即在線的狀態，能夠隨時被吸取和關聯，并進行分析。

一般來講，更多智能硬件和這能設備的加入，更多數據實時產生，于是就需要大數據技術來實現對數據信息的價值挖掘。大數據技術包括了數據采集，數據存取，基礎架構，數據處理，統計分析，數據挖掘，模型預測，結果呈現等八個方面。

而以上幾個方面都離不開云平臺和云計算能力，日本游戲代理 歐洲服務器，比如說數據采集之后的數據存儲，現在很多非核心敏感數據都可以存儲在云端；數據挖掘也是需要通過云計算和機器學習才能實現。那什么才是云計算呢？

云計算——低成本部署、隨需使用的計算大腦

所謂云計算，非常教科書的說法是“能通過網絡訪問可擴展的、靈活的、可共享的物理或虛擬資源池，并按需自助獲取和管理這些資源的模式。其中資源實例包括服務器、操作系統、網絡、軟件、應用和存儲設備等。 ”

從以上概念可以看出其包括軟件、硬件等資源，簡單說云計算有三層云平臺，第一個是Iaas(Infrastructure as a Service)，基礎設施即服務，以前這些資源都是企業固有資源，現在可以不再擁有，通過平臺服務商提供，減輕部署成本；

第二個是Paas(Platform as a service)，平臺即服務，開放式的API可以由合作方提供行業和內容的服務；

第三個是SaaS(Software as a service)，軟件即服務。比如我們經常使用的手機APP等；

云計算有一個很重要的特點和優勢就是資源池化，就是把Iaas，Paas，Saas層的資源(CPU、存儲、網絡等)放入到資源池中(云服務器)，由云服務器進行集中管理。云計算里所有的服務都是通過資源池里的資源而提供的。

我們已經進入了新一輪技術驅動的時代

那如何理解大數據與云計算的關系？在中國計算機學會大數據專家委員會副主任車品覺看來：人工智能、深度學習，這些都是二十年前就有的技術，但是二十年前沒有大數據，沒有可以關聯的數據。所以大數據的故事從有了關聯才真正開始。

那如何應用大數據？車品覺表示：首先要了解數據的生命周期。“布點”、“收集”、“存儲”，這些是前端，之后需要對數據做“識別”、“關聯”、“分析”。還有一個能把整個過程包起來的，就是“實時刷新”。這就是數據的生命周期，它是一個閉環。不管你怎么使用大數據，你首先要了解這個周期。

阿里巴巴集團首席技術官王堅在一次小型論壇上分享到：“云計算是工業時代的電，大數據就是福特生產線，云存儲就是鋼鐵工業。也就是說，沒有鋼鐵，就沒有電，就不會有大規模工業化生產。沒有云計算，大數據不會出來，如果云計算沒有解決云存儲的問題，也不會出來。”