2.大数据架构详解：从数据获取到深度学习 --- 运营商大数据架构

第2章 运营商大数据架构 
	2.1 架构驱动的因素 
		运营商面临着被管道化，营收下滑，大数据项目承担企业战略转型，数据变现的使命。
		互联网企业的大数据往往是承担业务创新，未来探索的一种驱动因素，所以对于架构的扩展性，灵活性等方面的追求优先级在成本之上。

	2.2 大数据平台架构 
		大数据平台，最上层是应用。大数据平台最后还是要解决实际的业务问题，在运营商领域分别解决SQM(运维质量管理),CSE(客户体验提升),
	MSS(市场运维支撑),DMP(数据管理平台)等问题。
		第二层是各个组件/技术支撑，包括数据从产生获取，处理(实时，批处理)，分析(交互式查询，机器学习与数据挖掘)到最后的展现。
		第三次，为了支撑数据的存储处理，需要统一的资源管理及分配。
		第四层，上层框架和处理都构建在存储的基础上，所以存储是基础中的基础。
		第五层，大数据部署形态有云化部署，物理机部署等多种部署方式。

	2.3 平台发展趋势
		1.Cloud First : 云优先。
		2.Stream Default : 流优先。数据源端更多的是流数据，要求实时分析，进行秒级或者分钟级计算。
		3.Pervasive Analytics : 普适分析。
		4.Self Service : 自服务