大數(shù)據(jù)正在徹底改變IT世界。那么，什么樣的數(shù)據(jù)談得上數(shù)據(jù)呢？

根據(jù)IDC的報告，未來十年全球大數(shù)據(jù)將增加50倍。僅在2011年，我們就將看到1.8ZB（也就是1.8萬億GB）的大數(shù)據(jù)創(chuàng)建產(chǎn)生。這相當于每位美國人每分鐘寫3條Tweet，而且還是不停地寫2.6976萬年。在未來十年，管理數(shù)據(jù)倉庫的服務器的數(shù)量將增加10倍以便迎合50倍的大數(shù)據(jù)增長。

毫無疑問，大數(shù)據(jù)將挑戰(zhàn)企業(yè)的存儲架構及數(shù)據(jù)中心基礎設施等，也會引發(fā)云計算、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、商業(yè)智能等應用的連鎖反應。2011年企業(yè)會將更多的多TB（1TB=1000GB）數(shù)據(jù)集用于商務智能和商務分析；到2020年，全球數(shù)據(jù)使用量預計暴增44倍，達到35.2ZB（1ZB=10億TB）。

大數(shù)據(jù)面臨的挑戰(zhàn)

對于海量的數(shù)據(jù)信息，如何對這些數(shù)據(jù)進行復雜的應用成了現(xiàn)今數(shù)據(jù)倉庫、商業(yè)智能和數(shù)據(jù)分析技術的研究熱點。數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律性的內(nèi)容，解決數(shù)據(jù)的應用質(zhì)量問題。充分利用有用的數(shù)據(jù)，廢棄虛偽無用的數(shù)據(jù)，是數(shù)據(jù)挖掘技術的最重要的應用。傳統(tǒng)的數(shù)據(jù)庫中的數(shù)據(jù)結構性很強，即其中的數(shù)據(jù)為完全結構化的數(shù)據(jù)，而目前數(shù)據(jù)最大特點就是半結構化，因此此類數(shù)據(jù)挖掘比面向單個數(shù)據(jù)倉庫的數(shù)據(jù)挖掘要復雜得多。

談到傳統(tǒng)數(shù)據(jù)倉庫的時候，大家不免就會買存儲設備，選服務器，不管是IBM Power或者是Oracle架構的，這些其實都是在傳統(tǒng)時代非常有名的數(shù)據(jù)庫品牌，把它構建在一起，構成數(shù)據(jù)倉庫，微軟、COCNOS等都提供解決方案。

對企業(yè)業(yè)務來說，不光要有高擴展性，而且是動態(tài)的需求，能夠讓設備自由擴充，不用去管數(shù)據(jù)倉庫、應用具體運行在這些機器的哪一臺上，這些計算能力的耗費完全是根據(jù)業(yè)務的伸縮而來的。

傳統(tǒng)的架構做這類的項目十年到二十年的時間，它們有一個特點，數(shù)據(jù)倉庫的訪問和傳統(tǒng)的不同，所謂的不同就是查詢特別大，查詢的語句特別長、特別復雜，不像去銀行的存提款只是在眾多的記錄中查詢一兩條，它符合大數(shù)據(jù)查詢的特征，傳統(tǒng)的查詢索引作用非常有限。在數(shù)據(jù)庫中涉及多張表的連接，同時還有匯總、算標準差等復雜的運算。但是相反它的并發(fā)請求不是很多，一個企業(yè)就是人再多，不會同時超過一千個業(yè)務分析員在分析數(shù)據(jù)。

因此，在數(shù)據(jù)倉庫誕生的第一天，系統(tǒng)一直就有一個瓶頸，要把大查詢分解成小任務，這些小任務由并行的服務器來完成，我們強調(diào)小的機器要多，而不要大的機器CPU數(shù)少。因此，數(shù)據(jù)倉庫天生就是MPP、開放架構的CPU加上并行擴展橫向擴展數(shù)量。

當大數(shù)據(jù)遭遇云計算

云計算為什么能盛行呢？在互聯(lián)網(wǎng)領域應用系統(tǒng)的構建：客戶群體是不確定的、系統(tǒng)規(guī)模不確定、系統(tǒng)投資不固定、業(yè)務應用有很清晰的并行分割特征、數(shù)據(jù)倉庫系統(tǒng)的構建、數(shù)據(jù)倉庫規(guī)?？晒浪恪?shù)據(jù)倉庫的系統(tǒng)投資與業(yè)務分析的價值和回報相關、商業(yè)智能應用屬于整體應用、Saas模式構建數(shù)據(jù)倉庫系統(tǒng)。

大數(shù)據(jù)管理，分布式進行文件系統(tǒng)，如Hadoop、Mapreduce數(shù)據(jù)分割與訪問執(zhí)行；同時SQL支持，以Hive+HADOOP為代表的SQL界面支持，在大數(shù)據(jù)技術上用云計算構建下一代數(shù)據(jù)倉庫成為熱門話題。從系統(tǒng)需求來看，大數(shù)據(jù)的架構對系統(tǒng)提出了新的挑戰(zhàn)：

1、集成度更高。一個標準機箱最大限度完成特定任務。

2、配置更合理、速度更快。存儲、控制器、I/O通道、內(nèi)存、CPU、網(wǎng)絡均衡設計，針對數(shù)據(jù)倉庫訪問最優(yōu)設計，比傳統(tǒng)類似平臺高出一個數(shù)量級以上。

3、整體能耗更低。同等計算任務，能耗最低。

4、系統(tǒng)更加穩(wěn)定可靠。能夠消除各種單點故障環(huán)節(jié)，統(tǒng)一一個部件、器件的品質(zhì)和標準。

5、管理維護費用低。數(shù)據(jù)藏的常規(guī)管理全部集成。

6、可規(guī)劃和預見的系統(tǒng)擴容、升級路線圖。

云計算環(huán)境作為大數(shù)據(jù)處理平臺

1.云計算環(huán)境中基本計算單元的分化

企業(yè)云計算平臺上雖然有多個并行計算的CPU，但并沒有創(chuàng)造出具有超強數(shù)據(jù)處理能力的超級CPU，因此云計算平臺需要的是有并行運算能力的軟件系統(tǒng)。同時，當所有用戶的數(shù)據(jù)全部放在云端時，雖然存儲容量可以很方便地擴充，但面對大量用戶同時發(fā)起的海量數(shù)據(jù)處理請求，簡單的數(shù)據(jù)處理邏輯已經(jīng)無法滿足需要。

可以看到，國內(nèi)有相當多的電商企業(yè)，用小型機和Oracle扛了好幾年，并請了全國最牛的Oracle的專家不停優(yōu)化他的Oracle和小型機，初期發(fā)展可能很快，但是后來由于數(shù)據(jù)量激增，業(yè)務開始受到嚴重影響，最典型的例子無疑是京東商城前段時間發(fā)生的大規(guī)模訪問請求宕機事件，因此他們開始逐漸放棄了Oracle或者MS-SQL，并逐漸轉(zhuǎn)向MySQL+X86的分布式架構。

目前的基本計算單元常常是普通的X86服務器，它們組成了一個大的云，而未來的云計算單元里有可能有存儲單元、計算單元、協(xié)調(diào)單元，總體的效率會更高。

2、對系統(tǒng)穩(wěn)定性的需求

在應對大規(guī)模訪問的時候有一些系統(tǒng)穩(wěn)定性的追求，來自很多方面，來自網(wǎng)絡穩(wěn)定性、數(shù)據(jù)庫穩(wěn)定性。對系統(tǒng)而言，需要把握一個大原則，需要消除任何單點故障。不光是網(wǎng)絡上單點故障，還有來自你呼叫中心里的單點故障，只要有單點故障一定要消除掉。因為對于電商行業(yè)而言，每一秒都是錢，電子商務業(yè)務如果宕機一個小時，損失多少是可以算出來的，電商行業(yè)需要非常全面的技術系統(tǒng)監(jiān)控報警系統(tǒng)。有時候你會發(fā)現(xiàn)你如果通過技術系統(tǒng)的監(jiān)控去推導出你的技術發(fā)生問題已經(jīng)晚了。