認(rèn)識(shí)大數(shù)據(jù)和云計(jì)算
大數(shù)據(jù)的價(jià)值開(kāi)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(guó)國(guó)家海洋和大氣管理局嘗試?yán)么髷?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(guò)匯總的谷歌搜索數(shù)據(jù)來(lái)估測(cè)流感疫情。數(shù)據(jù)無(wú)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(wú)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(yíng)決策過(guò)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(lái)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(wèn)、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(kāi)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(guó)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(lái)看，云計(jì)算以數(shù)據(jù)為中心，以虛擬化技術(shù)為手段來(lái)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(guò)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，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(wèn)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(guò)濾、數(shù)據(jù)摘要、數(shù)據(jù)分類(lèi)或聚類(lèi)等預(yù)處理過(guò)權(quán)最后進(jìn)入分析階段，在這個(gè)階段，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(yè)、應(yīng)用或是傳感器等）采集而來(lái)的信息數(shù)據(jù)，連同成千上萬(wàn)的訪問(wèn)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(wèn)題，會(huì)來(lái)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)?，大幅提高服?wù)性能；在數(shù)據(jù)采集時(shí)，也會(huì)通過(guò)在采集端部署大量的數(shù)據(jù)庫(kù)來(lái)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(guò)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(xiāo)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(lái)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(wèn)接口，對(duì)復(fù)雜的數(shù)據(jù)訪問(wèn)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。
這些復(fù)雜的需求對(duì)技術(shù)實(shí)現(xiàn)和底層計(jì)算資源提出了高要求。所以，為應(yīng)對(duì)這些復(fù)雜的大數(shù)據(jù)處理工作，需要從服務(wù)器、網(wǎng)絡(luò)、存儲(chǔ)、軟件等各個(gè)環(huán)節(jié)構(gòu)建一個(gè)兼具高可用性和高可靠性的系統(tǒng)環(huán)境，提供端到端的全面解決方案。
大數(shù)據(jù)與云計(jì)算相輔相成
傳統(tǒng)的單機(jī)處理模式不但成本越來(lái)越高，而且不易擴(kuò)展，并且隨著數(shù)據(jù)量的遞增、數(shù)據(jù)處理復(fù)雜度的增加，相應(yīng)的性能和擴(kuò)展瓶頸將會(huì)越來(lái)越大。在這種情況下，云計(jì)算所具備的彈性伸縮和動(dòng)態(tài)調(diào)配、資源的虛擬化和系統(tǒng)的透明性、支持多租戶、支持按量計(jì)費(fèi)或按需使用，以及綠色節(jié)能等基本要素正好契合了新型大數(shù)據(jù)處理技術(shù)的需求；而以云計(jì)算為典型代表的新一代計(jì)算模式，以及云計(jì)算平臺(tái)這種支撐一切上層應(yīng)用服務(wù)的底層基礎(chǔ)架構(gòu)，以其高可靠性、更強(qiáng)的處理能力和更大的存儲(chǔ)空間、可平滑遷移、可彈性伸縮、對(duì)用戶的透明性以及可統(tǒng)一管理和調(diào)度等特性，正在成為解決大數(shù)據(jù)問(wèn)題的未來(lái)計(jì)算技術(shù)發(fā)展的重要方向。
基于云計(jì)算技術(shù)構(gòu)建的大數(shù)據(jù)平臺(tái)，能夠提供聚合大規(guī)模分布式系統(tǒng)中離散的通訊、存儲(chǔ)和處理能力，并以靈活、可靠、透明的形式提供給上層平臺(tái)和應(yīng)用。它同時(shí)還提供針對(duì)海量多格式、多模式數(shù)據(jù)的跨系統(tǒng)、跨平臺(tái)、跨應(yīng)用的統(tǒng)一管理手段和高可用、敏捷響應(yīng)的機(jī)制體系來(lái)支持快速變化的功能目標(biāo)、系統(tǒng)環(huán)境和應(yīng)用配置。
比如在基于云計(jì)算平臺(tái)而構(gòu)建的新型企業(yè)信息系統(tǒng)中，在以分布式集群技術(shù)構(gòu)建高性能、高延展的存儲(chǔ)平臺(tái)之后，我們可以實(shí)現(xiàn)對(duì)不同業(yè)務(wù)應(yīng)用中不同格式、不同訪問(wèn)模式的海量數(shù)據(jù)的統(tǒng)一存儲(chǔ)，相關(guān)的數(shù)據(jù)分析系統(tǒng)則構(gòu)建于分布式工作流和調(diào)度系統(tǒng)框架之上，采用分布式計(jì)算手段面向多模式海量數(shù)據(jù)提供數(shù)據(jù)的轉(zhuǎn)換、關(guān)聯(lián)、提取、聚合和數(shù)據(jù)挖掘等功能。在企業(yè)信息系統(tǒng)中經(jīng)常提到的BI的具體業(yè)務(wù)功能，比如決策支撐、銷(xiāo)售預(yù)測(cè)等，就可以由上層業(yè)務(wù)應(yīng)用通過(guò)調(diào)用數(shù)據(jù)分析系統(tǒng)所提供的功能附加業(yè)務(wù)邏輯來(lái)實(shí)現(xiàn)。
云計(jì)算使大數(shù)據(jù)應(yīng)用成為可能；沒(méi)有云計(jì)算的出現(xiàn)，大數(shù)據(jù)將仍是空中樓閣，缺乏根基和落地可能。借助云計(jì)算技術(shù)，可以提高系統(tǒng)整體的彈性和靈活性，降低管理成本和風(fēng)險(xiǎn)，并且改進(jìn)應(yīng)用服務(wù)的可用性和可靠性；云計(jì)算不僅為大數(shù)據(jù)處理打造一個(gè)高效、可靠的系統(tǒng)環(huán)境，而且充分發(fā)揮云計(jì)算平臺(tái)的優(yōu)勢(shì)，為大數(shù)據(jù)應(yīng)用找到更多樣化的出口。
如果說(shuō)大數(shù)據(jù)是一座蘊(yùn)含巨大價(jià)值的礦藏，云計(jì)算則可以被看作是采礦作業(yè)的得力工具；沒(méi)有云計(jì)算的處理能力，大數(shù)據(jù)的信息沉淀再豐富，或許也只能望洋興嘆，入寶山而空手回；但從另外的角度說(shuō)，云計(jì)算也是為了解決大數(shù)據(jù)等“大”問(wèn)題發(fā)展而來(lái)的技術(shù)趨勢(shì)，沒(méi)有大數(shù)據(jù)的信息沉淀，云計(jì)算的功用將得不到完全發(fā)揮。因此，從整體上看，大數(shù)據(jù)與云計(jì)算是相輔相成的。