認(rèn)識(shí)大數(shù)據(jù)和云計(jì)算

大數(shù)據(jù)的價(jià)值開始日益受到重視，人們對(duì)數(shù)據(jù)處理的實(shí)時(shí)性和有效性的要求也在不斷提高。現(xiàn)在對(duì)大數(shù)據(jù)的應(yīng)用己經(jīng)不局限于BI（商業(yè)智能）領(lǐng)域，在公共服務(wù)、科學(xué)研究等各方面，大數(shù)據(jù)也都在發(fā)揮著巨大的影響力，而且應(yīng)用面要寬得多。比如美國國家海洋和大氣管理局嘗試?yán)?a href="http://www.qzkangyuan.com/cnidc/idcnews/scqb/20160910/2537.html">大數(shù)據(jù)方法協(xié)助進(jìn)行氣候、生態(tài)系統(tǒng)、天氣和商業(yè)方面的研究一谷歌流感趨勢(shì)則使用經(jīng)過匯總的谷歌搜索數(shù)據(jù)來估測(cè)流感疫情。數(shù)據(jù)無疑已經(jīng)成為信息社會(huì)日益重要的資源。

大數(shù)據(jù)的意義并不在于大容量、多樣性等特征，而在于我們?nèi)绾螌?duì)數(shù)據(jù)進(jìn)行管理和分析，以及因此而發(fā)掘出的價(jià)值。如果在分析處理上缺少相應(yīng)的技術(shù)支撐，大數(shù)據(jù)的價(jià)值將無從談起。

具體到企業(yè)而言，處于大數(shù)據(jù)時(shí)代的經(jīng)營決策過程已經(jīng)具備了明顯的數(shù)據(jù)驅(qū)動(dòng)特點(diǎn)，這種特點(diǎn)給企業(yè)的IT系統(tǒng)帶來的是海量待處理的歷史數(shù)據(jù)、復(fù)雜的數(shù)學(xué)統(tǒng)計(jì)和分析模型、數(shù)據(jù)之間的強(qiáng)關(guān)聯(lián)性以及頻繁的數(shù)據(jù)更新產(chǎn)生的重新評(píng)估等挑戰(zhàn)。這就要求底層的數(shù)據(jù)支撐平臺(tái)具備強(qiáng)大的通訊（數(shù)據(jù)流動(dòng)和交換）能力、存儲(chǔ)（數(shù)據(jù)保有）能力以及計(jì)算（數(shù)據(jù)處理）能力，從而保證海量的用戶訪問、高效的數(shù)據(jù)采集和處理、多模式數(shù)據(jù)的準(zhǔn)確實(shí)時(shí)共享以及面對(duì)需求變化的快速響應(yīng)。

傳統(tǒng)的處理和分析技術(shù)在這些需求面前開始遭遇瓶頸，而云計(jì)算的出現(xiàn)，不僅為我們提供了一種挖掘大數(shù)據(jù)價(jià)值使其得以凸顯的工具，也使大數(shù)據(jù)的應(yīng)用具有了更多可能性。

云計(jì)算包含兩方面的內(nèi)容；服務(wù)和平臺(tái)，所以云計(jì)算既是商業(yè)模式，也是計(jì)蕎模式。比如美國加州大學(xué)伯克利分校在一篇關(guān)于云計(jì)算的報(bào)告中，就認(rèn)為云計(jì)算既指在互聯(lián)網(wǎng)上以服務(wù)形式提供的應(yīng)用。也指在數(shù)據(jù)中心里提供這些服務(wù)的硬件和軟件。

就目前技術(shù)發(fā)展來看，云計(jì)算以數(shù)據(jù)為中心，以虛擬化技術(shù)為手段來整合服務(wù)器、存儲(chǔ)、網(wǎng)絡(luò)、應(yīng)用等在內(nèi)的各種資源，并利用SOA架構(gòu)為用戶提供安全、可靠、便捷的各種應(yīng)用數(shù)據(jù)服務(wù)；它完成了系統(tǒng)架構(gòu)從組件走向?qū)蛹?jí)然后走向資源池的過程，實(shí)現(xiàn)IT系統(tǒng)不同平臺(tái)（硬件、系統(tǒng)和應(yīng)用）層面的“通用”化，打破物理設(shè)備障礙，香港免備案主機(jī) 美國服務(wù)器，達(dá)到集中管理、動(dòng)態(tài)調(diào)配和按需使用的目的。

借助“云”的力量，可以實(shí)現(xiàn)對(duì)多格式、多模式的大數(shù)據(jù)的統(tǒng)一管理、高效流通和實(shí)時(shí)分析，挖掘大數(shù)據(jù)的價(jià)值，發(fā)揮大數(shù)據(jù)的真正意義。

大數(shù)據(jù)對(duì)技術(shù)提出高要求

大數(shù)據(jù)處理首先是獲取和記錄數(shù)據(jù)；其次是完成數(shù)據(jù)的抽取、清潔和標(biāo)注以及數(shù)據(jù)的整合、聚集和表達(dá)等重要的預(yù)處理或處理（取決于實(shí)際問題）工作；再次需要一個(gè)完整的數(shù)據(jù)分析步驟，通常包括數(shù)據(jù)過濾、數(shù)據(jù)摘要、數(shù)據(jù)分類或聚類等預(yù)處理過權(quán)最后進(jìn)入分析階段，在這個(gè)階段，域名購買 directadmin購買，各種算法和計(jì)算工具會(huì)施加到數(shù)據(jù)上，以求能得到分析者想要看到的或者可以進(jìn)行解釋的結(jié)果。

涉及到龐大的數(shù)據(jù)量，這一整套處理流程在各個(gè)不同階段都會(huì)對(duì)傳統(tǒng)的技術(shù)手段提出挑戰(zhàn)。比如，海量的網(wǎng)絡(luò)化設(shè)備、海量的在線用戶、不間斷的網(wǎng)絡(luò)聯(lián)接，都在時(shí)刻生成大量的、多格式的內(nèi)容數(shù)據(jù)和狀態(tài)信息，這些經(jīng)由各種客戶端（網(wǎng)頁、應(yīng)用或是傳感器等）采集而來的信息數(shù)據(jù)，連同成千上萬的訪問和操作請(qǐng)求，會(huì)以高并發(fā)的方式向系統(tǒng)服務(wù)器施加壓力。

通常為了避免由于服務(wù)能力的不足而造成服務(wù)請(qǐng)求排隊(duì)的問題，會(huì)來用負(fù)載均衡技術(shù)將單個(gè)服務(wù)器的壓力進(jìn)行分?jǐn)偅蠓岣叻?wù)性能；在數(shù)據(jù)采集時(shí)，也會(huì)通過在采集端部署大量的數(shù)據(jù)庫來對(duì)系統(tǒng)性能提供支撐，然后對(duì)采集到的數(shù)據(jù)（包括各種結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)等）進(jìn)行數(shù)據(jù)清理、去重、正規(guī)化以及相應(yīng)的格式轉(zhuǎn)換處理。在按照預(yù)定規(guī)則進(jìn)行過濾后，輸出到分布式數(shù)據(jù)存儲(chǔ)系統(tǒng)中進(jìn)行存儲(chǔ)，為之后的分析和展示做準(zhǔn)備。

在分析階段，為了完成數(shù)據(jù)挖掘的目的，通常需要處理海量的歷史數(shù)據(jù)，構(gòu)建復(fù)雜的數(shù)學(xué)統(tǒng)計(jì)和分析模型（比如計(jì)算冬天的氣溫水平對(duì)特定厚度的羽絨服銷量的影響），并針對(duì)大量的結(jié)果之間的關(guān)聯(lián)性做出高效正確的處理，同時(shí)還要支持?jǐn)?shù)據(jù)更新帶來的重新評(píng)估；而在展示階段，則應(yīng)當(dāng)隱藏諸如數(shù)據(jù)存儲(chǔ)拓?fù)浜蛿?shù)據(jù)存儲(chǔ)結(jié)構(gòu)等實(shí)現(xiàn)細(xì)節(jié)，對(duì)業(yè)務(wù)應(yīng)用暴露規(guī)范的數(shù)據(jù)訪問接口，對(duì)復(fù)雜的數(shù)據(jù)訪問需求提供透明支撐，大大減小業(yè)務(wù)應(yīng)用的構(gòu)建難度。