云計算和大數(shù)據(jù)目前都是熱門話題，如何把兩者結合起來即在云上實現(xiàn)大數(shù)據(jù)項目，這是一個新的實踐領域。資深數(shù)據(jù)專家David Gillman根據(jù)自己的經(jīng)驗，列舉了云上大數(shù)據(jù)方案需要考慮的基本要素，包括對數(shù)據(jù)構建實時索引、自由模式搜索與分析、監(jiān)視數(shù)據(jù)并提供實時警告等，幫助用戶更好地評估和選擇解決方案。
在談到如何實現(xiàn)云上大數(shù)據(jù)項目時，David強調(diào)了三個實時要素，即實時索引、實時數(shù)據(jù)和實時監(jiān)控。具體來說，實時索引指的是“對所有機器數(shù)據(jù)創(chuàng)建通用的實時索引”：
這是大多數(shù)人所認為的大數(shù)據(jù)的核心;它常常相當于開源項目 Hadoop。公司可能已被來自射頻 ID (RFID) 移動、網(wǎng)站點擊和其他可能結構化的數(shù)據(jù)的要求所淹沒。如果您知道將如何使用這些數(shù)據(jù)，如何在未來查詢和訪問它，那么在處理這些數(shù)據(jù)方面進行投資是值得的。
您無需知道數(shù)據(jù)的未來潛在用途，Hadoop 提供了解決辦法。通過按原樣獲取傳入的數(shù)據(jù)，大數(shù)據(jù)將數(shù)據(jù)定義步驟推遲到了執(zhí)行分析時。在不會限制數(shù)據(jù)的未來使用的情況下，Hadoop 將數(shù)據(jù)分布在許多服務器上并持續(xù)跟蹤數(shù)據(jù)位置。
實時數(shù)據(jù)指的是“對實時數(shù)據(jù)和歷史數(shù)據(jù)的自由搜索與分析”，存儲數(shù)據(jù)只是實現(xiàn)目標的道路的一部分。另一方面是信息需要相對容易地被找到。為此，最快的方法是提供一種快速(在實現(xiàn)方面，而不是響應時間方面)搜索功能。因此需要找到支持對非結構化數(shù)據(jù)進行文本搜索的工具。從監(jiān)視程序上直接獲得響應，這會讓人們模糊地認為所有信息都被正確存儲且可以訪問。此過程的管理步驟是為存儲在分布式節(jié)點中的數(shù)據(jù)內(nèi)容建立索引。搜索查詢，然后并行訪問分布式節(jié)點上的索引，以便提供更快的響應。
實時監(jiān)控指的是“監(jiān)視數(shù)據(jù)并提供實時警告”：
尋找一個工具來監(jiān)視大數(shù)據(jù)中的數(shù)據(jù)。一些工具能夠創(chuàng)建被持續(xù)處理的查詢，尋找要滿足的條件。我無法列出實時監(jiān)視進入 Hadoop 中的數(shù)據(jù)的所有可能用法。假設大部分傳入數(shù)據(jù)都是非結構化數(shù)據(jù)，而且不適用于關系數(shù)據(jù)庫，那么實時監(jiān)視可能是最仔細地檢查數(shù)據(jù)元素的一種方式。
除了三個“實時"之外，Daivid還列舉了其他七個要點，可以歸納為：
自動從數(shù)據(jù)中發(fā)現(xiàn)有效的信息
執(zhí)行手動搜索和手動報告也會影響分析效率。 數(shù)據(jù)挖掘和預測分析工具正在快速向以下方向發(fā)展：能夠將大數(shù)據(jù)用作分析數(shù)據(jù)來源的數(shù)據(jù)庫，或者用作持續(xù)監(jiān)視變更的數(shù)據(jù)庫。所有數(shù)據(jù)挖掘工具都遵循此目標。某個人確定分析的用途，查看數(shù)據(jù)，然后開發(fā)能提供洞察或預測的統(tǒng)計模型。然后，需要將這些統(tǒng)計模型部署在大數(shù)據(jù)環(huán)境中，以執(zhí)行持續(xù)評估。這部分操作應該是自動化的。
提供強大的特定報告和分析
類似于知識發(fā)現(xiàn)和自動化的數(shù)據(jù)挖掘，分析師需要獲得訪問能力來檢索和匯總大數(shù)據(jù)云環(huán)境中的信息。擁有大數(shù)據(jù)報告工具的供應商似乎每天都在增多?；谠频拇髷?shù)據(jù)提供商應同時支持來自外部請求者的 Pig 和 HQL 語句。這樣，大數(shù)據(jù)存儲即可由人們使用自己選擇的工具(甚至使用還未創(chuàng)建的工具)來查詢。
提供快速構建自定義儀表板和視圖的能力
像傳統(tǒng)的商業(yè)智能項目的演化一樣，當人們可以查詢大數(shù)據(jù)并生成報告時，他們希望自動化該功能并創(chuàng)建一個儀表板，以便通過漂亮的圖片反復查看。除非人們編寫自己的 Hive 語句和僅使用 Hive shell，大部分工具都有使用查詢語句創(chuàng)建類似儀表板的視圖的能力。要在大數(shù)據(jù)部署中列舉許多儀表板示例，目前還為時過早。一種基于商業(yè)智能歷史的預測是，儀表板將成為已匯總的大數(shù)據(jù)的一個重要的內(nèi)部傳遞工具。而且從商業(yè)智能的歷史發(fā)展來看，擁有良好的大數(shù)據(jù)儀表板對于獲取和保持高層領導支持至關重要。
使用普通硬件進行高效擴展，以支撐任何數(shù)據(jù)量
當使用云大數(shù)據(jù)服務時，此考慮因素更沒有多少實際意義。采購、配備和部署用于存儲數(shù)據(jù)的硬件是服務提供商的職責。硬件的選擇應該不難。但是，值得欣慰的是，賬單表明大數(shù)據(jù)適合使用普通硬件。在架構中的一些節(jié)點上，“高質(zhì)量的” 服務器很有用。但是，大數(shù)據(jù)架構中絕大部分節(jié)點(存儲數(shù)據(jù)的節(jié)點)都可放在 “更低質(zhì)量的” 硬件上。