大数据技术架构如何选型

最近跟朋友交流，公司正在为大数据技术选型烦恼，主要是不同的团队基于不同的诉求，要求结果不一样。比如说有从稳定性考虑，有从维护性考虑，有从使用便利性考虑，也有从成本考虑，还有从团队能力模型考虑的。

不管哪种维度，理由说起来都对，然后决策时，大佬们的出发点如果不一样，就会陷入僵局。对应目前的公司，其实大同小异、问题如出一辙。

我们先看看基础大数据平台选型时，针对以上几个维度的考虑逻辑及相关影响。

首先是稳定性：这是基础大数据平台的根，没有稳定性，则地基不稳，最终就会成为水中月、镜中花，业务团队一用事故一大堆。这也是最有核心价值的地方，评价一个团队是否具备很强的技术能力，就是在技术框架、工程平台、部署运维中不断提升的SLA，在满足业务需求后稳定性越高，则具备更高更实用的技术能力。先进与否，前沿与否只是技术领先性的指标，是在稳定性之上考虑其他维度，稳定性才是技术深度强度的可靠证明。

其次是开放性：目前基础大数据平台构建有几种方式，一种基于大厂构建大数据技术架构平台进行数据开发，属于使用者模式；另外一种是基于开源自建大数据技术架构平台进行数据开发，属于掌握者模式。如果是小公司，定位为使用者的角色，快速利用大厂的商业大数据平台（含基础架构、工程平台、运维监控等）构建大数据处理中心是比较好的方式。如果是有非常大体量的数据处理，有非常多的个性化需求，是一个有技术追求的团队，有着自己的大数据平台理想，就不要依赖于大厂，建立自己的研发团队，构建自己的大数据平台，在满足需求上将会得到比较好的收益，包括技术积累、人才提升、定制需求满足等等。</