在很多方面，云和大数据越来越密不可分且功能相似-云资源用来支撑大数据的存储及项目，而且大数据相对于云来说是一个庞大的业务案例。大数据和云技术的最终联姻，必定是天作之合。
听起来虽然浪漫，但我们知道一种深度组合不可能在一夜之间就发生，它需要付出很多努力。云和大数据也不例外。
大数据能带来什么?
在这个过份炒作的组合里，大数据除了那些好听的名词，大数据本身责任重大，大数据所有所要做的就是为你的组织机构带来有用的信息。但在把大数据技术应用前，请先回答以下这些问题：
● 你拥有的数据到底有多庞大，你目前的架构能保证扩展这些量吗？
● 你的数据在结构、半结构、非结构方面有什么特征？目前来说，你的系统架构和技术是否能支撑这些不同类型的数据？
● 你的数据来自哪里？内部？外部? 开源数据？大数据随之带来是丰富的商业智能平台数据源，包括快速增长的新旧数据。
最重要的是：在大数据真正应用初期，需要界定业务问题及大数据所能带来的价值。
云能带来什么?
如果大数据真的是主角，那么云则带来可靠、稳定的基础，例如，基础架构，提供一些多样化的架构选择：
● 内部私有云：虚拟化、基于内部防火墙专注体系架构
● 外部私有云：共享的、基于外部防火墙可定制的主机体系架构
● 共有云：基于第三方的共享主机体系结构
● 混合云：基于自有部署、私有云（内部、外部）和公有云的环境
云也同时加速了变革、敏捷化、高速扩容及低成本的组合。
逐步变得得心应手
如果你回答了所有我提出的关于大数据的问题，同时理解云能带来什么，那你就可以去冒险了。但是像其它组合一样，这个过程中有一些事你需要搞清楚，下面七点你需要考虑一下：
开源代码：
开源软件是大数据的核心，特别是Hadoop和它很众多相关的项目。好消息是开源软件是免费的，但是不管是自我部署还是安装在云中，都需要对整个开源体系有个固有的理解。
数据存储及处理:
大数据有很多要处理的阶段，包括筛选、预处理、处理、长期或短期的数据存储。每个阶段都可能用到云体系的不同方面。例如，你可以在私有内部云中筛选和预处理数据令其以结构化、自我部署;在私有云中处理结构化的数据; 在公有云中长期存储数据。
技术:
大数据所用的到技术在企业内部无法获取，像开源软件（如：Hadoop)，云集成，安全及分析工具，这些技术非常少但非常重要，是业务分析师和数据科学家在整个云里都会用到。
支持:
对于大数据需要的软硬件及技术，一个组织需要决定谁能对整个可扩展体系统进行支持，如果你只是对内部私有云感兴趣，那么IT部门就能管理它。但是你关心的防火墙外的，你需要第三方的支持，例如软件供应商或是云服务提供商，通过他们来维护及管理它的架构体系。
性能:
随着数据越来越多，性能的问题也会随之而来，如果数据跨国家跨洲存储，你需要考虑在上传数据及访问数据带来的网路情况，其结果会是糟透的.数据访问量会为系统架构带来瓶劲同时用户满意度降低。
集成:
在大数据的早期阶段，不管是自我部署或是云，你只是在单独的环境处理数据。接下来，你想把数据和现有的应用、系统、过程进行集成。这种云与内外部系统的集成迫使公司重新检测现有的技术。
隐私:
通过大数据，企业机构很容易从现有或加工后的数据获取信息，例如社交， 开源及机器学习数据，并且与现有的业务和分析数据进行组合，这是之前从未发生过的。这对于客户将产生神奇而且变革性分析层面。但是与之而来也存在挑战，这 些分析层面很有可能会侵犯客户的隐私，需要非常留心。
最终观点：基于以上考虑建立一套固有的基础架构，你将会看到大数据和云之间是一种天作之合的组合。
465
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
