中國(guó)大數(shù)據(jù)六大技術(shù)變遷記_數(shù)據(jù)分析師考試

　集“Hadoop中國(guó)云計(jì)算大會(huì)”與“CSDN大數(shù)據(jù)技術(shù)大會(huì)”精華之大成， 歷屆的中國(guó)大數(shù)據(jù)技術(shù)大會(huì)（BDTC） 已發(fā)展成為國(guó)內(nèi)事實(shí)上的行業(yè)頂尖技術(shù)盛會(huì)。從2008年的60人Hadoop沙龍到當(dāng)下的數(shù)千人技術(shù)盛宴，作為業(yè)內(nèi)極具實(shí)戰(zhàn)價(jià)值的專(zhuān)業(yè)交流平臺(tái)，每一屆的中國(guó)大數(shù)據(jù)技術(shù)大會(huì)都忠實(shí)地描繪了大數(shù)據(jù)領(lǐng)域內(nèi)的技術(shù)熱點(diǎn)，沉淀了行業(yè)實(shí)戰(zhàn)經(jīng)驗(yàn)，見(jiàn)證了整個(gè)大數(shù)據(jù)生態(tài)圈技術(shù)的發(fā)展與演變。
　　2014年12月12-14日，由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，CCF大數(shù)據(jù)專(zhuān)家委員會(huì)協(xié)辦，中科院計(jì)算所與CSDN共同承辦的 2014中國(guó)大數(shù)據(jù)技術(shù)大會(huì)(Big Data Technology Conference 2014，BDTC 2014) 將在北京新云南皇冠假日酒店拉開(kāi)帷幕。大會(huì)為期三天，以推進(jìn)行業(yè)應(yīng)用中的大數(shù)據(jù)技術(shù)發(fā)展為主旨，擬設(shè)立“大數(shù)據(jù)基礎(chǔ)設(shè)施”、“大數(shù)據(jù)生態(tài)系統(tǒng)”、“大數(shù)據(jù)技術(shù)”、“大數(shù)據(jù)應(yīng)用”、“大數(shù)據(jù)互聯(lián)網(wǎng)金融技術(shù)”、“智能信息處理”等多場(chǎng)主題論壇與行業(yè)峰會(huì)。由中國(guó)計(jì)算機(jī)學(xué)會(huì)主辦，CCF大數(shù)據(jù)專(zhuān)家委員會(huì)承辦，南京大學(xué)與復(fù)旦大學(xué)協(xié)辦的“2014年第二屆CCF大數(shù)據(jù)學(xué)術(shù)會(huì)議”也將同時(shí)召開(kāi)，并與技術(shù)大會(huì)共享主題報(bào)告。
　　本次大會(huì)將邀請(qǐng)近100位國(guó)外大數(shù)據(jù)技術(shù)領(lǐng)域頂尖專(zhuān)家與一線實(shí)踐者，深入討論Hadoop、YARN、Spark、Tez、 HBase、Kafka、OceanBase等開(kāi)源軟件的最新進(jìn)展，NoSQL/NewSQL、內(nèi)存計(jì)算、流計(jì)算和圖計(jì)算技術(shù)的發(fā)展趨勢(shì)，OpenStack生態(tài)系統(tǒng)對(duì)于大數(shù)據(jù)計(jì)算需求的思考，以及大數(shù)據(jù)下的可視化、機(jī)器學(xué)習(xí)/深度學(xué)習(xí)、商業(yè)智能、數(shù)據(jù)分析等的最新業(yè)界應(yīng)用，分享實(shí)際生產(chǎn)系統(tǒng)中的技術(shù)特色和實(shí)踐經(jīng)驗(yàn)。

　　大會(huì)召開(kāi)前期，特別梳理了歷屆大會(huì)亮點(diǎn)以記錄中國(guó)大數(shù)據(jù)技術(shù)領(lǐng)域發(fā)展歷程，并立足當(dāng)下生態(tài)圈現(xiàn)狀對(duì)即將召開(kāi)的BDTC 2014進(jìn)行展望：
　　追本溯源，悉大數(shù)據(jù)六大技術(shù)變遷
　　伴隨著大數(shù)據(jù)技術(shù)大會(huì)的發(fā)展，我們親歷了中國(guó)大數(shù)據(jù)技術(shù)與應(yīng)用時(shí)代的到來(lái)，也見(jiàn)證了整個(gè)大數(shù)據(jù)生態(tài)圈技術(shù)的發(fā)展與衍變：
　　1. 計(jì)算資源的分布化——從網(wǎng)格計(jì)算到云計(jì)算。 回顧歷屆BDTC大會(huì)，我們不難發(fā)現(xiàn)，自2009年，資源的組織和調(diào)度方式已逐漸從跨域分布的網(wǎng)格計(jì)算向本地分布的云計(jì)算轉(zhuǎn)變。而時(shí)至今日，云計(jì)算已成為大數(shù)據(jù)資源保障的不二平臺(tái)。
　　2. 數(shù)據(jù)存儲(chǔ)變更——HDFS、NoSQL應(yīng)運(yùn)而生。 隨著數(shù)據(jù)格式越來(lái)越多樣化，傳統(tǒng)關(guān)系型存儲(chǔ)已然無(wú)法滿(mǎn)足新時(shí)代的應(yīng)用程序需求，HDFS、NoSQL等新技術(shù)應(yīng)運(yùn)而生，并成為當(dāng)下許多大型應(yīng)用架構(gòu)不可或缺的一環(huán)，也帶動(dòng)了定制計(jì)算機(jī)/服務(wù)器的發(fā)展，同時(shí)也成為大數(shù)據(jù)生態(tài)圈中最熱門(mén)的技術(shù)之一。
　　3. 計(jì)算模式改變——Hadoop計(jì)算框成主流。 為了更好和更廉價(jià)地支撐其搜索服務(wù)，Google創(chuàng)建了Map/Reduce和GFS。而在Google論文的啟發(fā)下，原雅虎工程師Doug Cutting開(kāi)創(chuàng)了與高性能計(jì)算模式迥異的，計(jì)算向數(shù)據(jù)靠攏的Hadoop軟件生態(tài)系統(tǒng)。Hadoop天生高貴，時(shí)至今日已成為Apache基金會(huì)最“Hot”的開(kāi)源項(xiàng)目，更被公認(rèn)為大數(shù)據(jù)處理的事實(shí)標(biāo)準(zhǔn)。Hadoop以低廉的成本在分布式環(huán)境下提供了海量數(shù)據(jù)的處理能力。因此，Hadoop技術(shù)研討與實(shí)踐分享也一直是歷屆中國(guó)大數(shù)據(jù)技術(shù)大會(huì)最亮眼的特色之一。
　　4. 流計(jì)算技術(shù)引入——滿(mǎn)足應(yīng)用的低延遲數(shù)據(jù)處理需求。 隨著業(yè)務(wù)需求擴(kuò)展，大數(shù)據(jù)逐漸走出離線批處理的范疇，Storm、Kafka等將實(shí)時(shí)性、擴(kuò)展性、容錯(cuò)性和靈活性發(fā)揮得淋漓盡致的流處理框架，使得舊有消息中間件技術(shù)得以重生。成為歷屆BDTC上一道亮麗的風(fēng)景線。
　　5. 內(nèi)存計(jì)算初露端倪——新貴Spark敢與老將叫板。 Spark發(fā)源于美國(guó)加州大學(xué)伯克利分校AMPLab的集群計(jì)算平臺(tái)，它立足于內(nèi)存計(jì)算，從多迭代批量處理出發(fā)，兼容并蓄數(shù)據(jù)倉(cāng)庫(kù)、流處理和圖計(jì)算等多種計(jì)算范式，是罕見(jiàn)的全能選手。在短短4年，Spark已發(fā)展為Apache軟件基金會(huì)的頂級(jí)項(xiàng)目，擁有30個(gè)Committers，其用戶(hù)更包括IBM、Amazon、Yahoo!、Sohu、百度、阿里、騰訊等多家知名公司，還包括了Spark SQL、Spark Streaming、MLlib、GraphX等多個(gè)相關(guān)項(xiàng)目。毫無(wú)疑問(wèn)，Spark已站穩(wěn)腳跟。
　　6. 關(guān)系數(shù)據(jù)庫(kù)技術(shù)進(jìn)化—NewSQL改寫(xiě)數(shù)據(jù)庫(kù)歷史。 關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)的研發(fā)并沒(méi)有停下腳步，在橫向擴(kuò)展、高可用和高性能方面也在不斷進(jìn)步。實(shí)際應(yīng)用對(duì)面向聯(lián)機(jī)分析處理（OLAP）的MPP（Massively Parallel Processing）數(shù)據(jù)庫(kù)的需求最迫切，包括MPP數(shù)據(jù)庫(kù)學(xué)習(xí)和采用大數(shù)據(jù)領(lǐng)域的新技術(shù)，如多副本技術(shù)、列存儲(chǔ)技術(shù)等。而面向聯(lián)機(jī)事務(wù)處理（OLTP）的數(shù)據(jù)庫(kù)則向著高性能演進(jìn)，其目標(biāo)是高吞吐率、低延遲，技術(shù)發(fā)展趨勢(shì)包括全內(nèi)存化、無(wú)鎖化等。
　　立足揚(yáng)帆，看2014大數(shù)據(jù)生態(tài)圈發(fā)展
　　時(shí)光荏苒，轉(zhuǎn)眼間第2014中國(guó)大數(shù)據(jù)技術(shù)大會(huì)將如期舉行。在技術(shù)日新月異的當(dāng)下，2014年的BDTC上又可以洞察些什么？這里我們不妨著眼當(dāng)下技術(shù)發(fā)展趨勢(shì)：
　　1. MapReduce已成頹勢(shì)，YARN/Tez是否可以再創(chuàng)輝煌？ 對(duì)于Hadoop來(lái)說(shuō)，2014是歡欣鼓舞的一年——EMC、Microsoft、Intel、Teradata、Cisco等眾多巨頭都加大了Hadoop方面的投入。然而對(duì)于眾多機(jī)構(gòu)來(lái)說(shuō)，這一年卻并不輕松：基于MapReduce的實(shí)時(shí)性短板以及機(jī)構(gòu)對(duì)更通用大數(shù)據(jù)處理平臺(tái)的需求，Hadoop 2.0轉(zhuǎn)型已勢(shì)在必行。那么，在轉(zhuǎn)型中，機(jī)構(gòu)究竟會(huì)遭遇什么樣的挑戰(zhàn)？各個(gè)機(jī)構(gòu)如何才能更好地利用YARN所帶來(lái)的新特性？Hadoop未來(lái)的發(fā)展又會(huì)有什么重大變化？為此，BDTC 2014特邀請(qǐng)了Apache Hadoop committer，Apache Hadoop Project Management Committee（PMC）成員Uma Maheswara Rao G，Apache Hadoop committer Yi Liu，Bikas Saha（PMC member of the Apache Hadoop and Tez）等國(guó)際頂尖Hadoop專(zhuān)家，我們不妨當(dāng)面探討。
　　2. 時(shí)過(guò)境遷，Storm、Kafka等流計(jì)算框架前途未卜。 如果說(shuō)MapReduce的緩慢給眾多流計(jì)算框架帶來(lái)了可乘之機(jī)，那么當(dāng)Hadoop生態(tài)圈組件越發(fā)成熟，Spark更加易用，迎接這些流計(jì)算框架的又是什么？這里我們不妨根據(jù)BDTC 2014近百場(chǎng)的實(shí)踐分享進(jìn)行一個(gè)側(cè)面的了解，亦或是與專(zhuān)家們當(dāng)面交流。
　　3. Spark，是顛覆還是補(bǔ)充？ 與Hadoop生態(tài)圈的兼容，讓Spark的發(fā)展日新月異。然而根據(jù)近日Sort Benchmark公布的排序結(jié)果，在海量（100TB）離線數(shù)據(jù)排序上，對(duì)比上屆冠軍Hadoop，Spark以不到十分之一的機(jī)器，只使用三分之一的時(shí)間就完成了同樣數(shù)據(jù)量的排序。毫無(wú)疑問(wèn)，當(dāng)下Spark已不止步于實(shí)時(shí)計(jì)算，目標(biāo)直指通用大數(shù)據(jù)處理平臺(tái)，而終止Shark，開(kāi)啟Spark SQL或許已經(jīng)初見(jiàn)端倪。那么，當(dāng)Spark愈加成熟，更加原生的支持離線計(jì)算后，開(kāi)源大數(shù)據(jù)標(biāo)準(zhǔn)處理平臺(tái)這個(gè)榮譽(yù)又將花落誰(shuí)家？這里我們一起期待。
　　4. 基礎(chǔ)設(shè)施層，用什么來(lái)提升我們的網(wǎng)絡(luò)？ 時(shí)至今日，網(wǎng)絡(luò)已成為眾多大數(shù)據(jù)處理平臺(tái)的攻堅(jiān)對(duì)象。比如，為了克服網(wǎng)絡(luò)瓶頸，Spark使用新的基于Netty的網(wǎng)絡(luò)模塊取代了原有的NIO網(wǎng)絡(luò)模塊，從而提高了對(duì)網(wǎng)絡(luò)帶寬的利用。那么，在基礎(chǔ)設(shè)施層我們又該如何克服網(wǎng)絡(luò)這個(gè)瓶頸？直接使用更高效的網(wǎng)絡(luò)設(shè)備，比如Infiniband能夠帶來(lái)多少性能提升？建立一個(gè)更智能網(wǎng)絡(luò)，通過(guò)計(jì)算的每個(gè)階段，自適應(yīng)來(lái)調(diào)整拆分/合并階段中的數(shù)據(jù)傳輸要求，不僅提高了速度，也提高了利用率。在BDTC 2014上，我們可以從Infiniband/RDMA技術(shù)及應(yīng)用演講，以及數(shù)場(chǎng)SDN實(shí)戰(zhàn)上吸取寶貴的經(jīng)驗(yàn)。
　　5. 數(shù)據(jù)挖掘的靈魂——機(jī)器學(xué)習(xí)。 近年來(lái)，機(jī)器學(xué)習(xí)領(lǐng)域的人才搶奪已進(jìn)入白熱化，類(lèi)似Google、IBM、微軟、百度、阿里、騰訊對(duì)機(jī)器學(xué)習(xí)領(lǐng)域的投入也是愈來(lái)愈高，囊括了芯片設(shè)計(jì)、系統(tǒng)結(jié)構(gòu)（異構(gòu)計(jì)算）、軟件系統(tǒng)、模型算法和深度應(yīng)用各個(gè)方面。大數(shù)據(jù)標(biāo)志一個(gè)新時(shí)代的到來(lái)，PB數(shù)據(jù)讓人們坐擁金山，然而缺少了智能算法，機(jī)器學(xué)習(xí)這個(gè)靈魂，價(jià)值的提取無(wú)疑變得鏡花水月。而在本屆會(huì)議上，我們同樣為大家準(zhǔn)備了數(shù)場(chǎng)機(jī)器學(xué)習(xí)相關(guān)分享，靜候諸位參與。
　　而在技術(shù)分享之外，2014年第二屆CCF大數(shù)據(jù)學(xué)術(shù)會(huì)議也將同時(shí)召開(kāi)，并與技術(shù)大會(huì)共享主題報(bào)告。屆時(shí)，我們同樣可以斬獲許多來(lái)自學(xué)術(shù)領(lǐng)域的最新科研成果。