大數(shù)據(jù)概念潮來勢(shì)兇猛 你被忽悠了嗎？

近年國(guó)內(nèi)大數(shù)據(jù)概念被炒得愈發(fā)火熱，相關(guān)的產(chǎn)品廠商也如雨后春筍般應(yīng)運(yùn)而生，大數(shù)據(jù)服務(wù)市場(chǎng)迎來爆發(fā)期。然而，很多大數(shù)據(jù)服務(wù)仍然處于“玩概念”的階段，大數(shù)據(jù)只被當(dāng)做噱頭，并沒有發(fā)揮其實(shí)質(zhì)作用，還有許多用戶購(gòu)買了產(chǎn)品才發(fā)現(xiàn)自己被忽悠了。這種現(xiàn)狀下，大數(shù)據(jù)不免被扣上“華而不實(shí)”、“炒作為生”的帽子，那么我們應(yīng)該如何正確看待大數(shù)據(jù)?

大數(shù)據(jù)概念

大數(shù)據(jù)只是一個(gè)名詞，并不是數(shù)據(jù)量大就一定是大數(shù)據(jù)，假設(shè)單機(jī)器處理能力10G，那么大于10G就是大數(shù)據(jù)。網(wǎng)友heguangwu認(rèn)為，大數(shù)據(jù)的核心是Value，哪怕用excel分析也可以。當(dāng)前的趨勢(shì)是數(shù)據(jù)存儲(chǔ)和分析代價(jià)越來越小，所以能保存的數(shù)據(jù)的廣度和分析的深度都在擴(kuò)大。以前出于成本考慮，不在保存分析范圍內(nèi)的數(shù)據(jù)，現(xiàn)在也開始作為一個(gè)參考的維度了。對(duì)企業(yè)而言，如何從更多的數(shù)據(jù)集分析出更有價(jià)值的東西才是他們所關(guān)心，即使是小企業(yè)有的也開始考慮(做大數(shù)據(jù)方面的投入)。

網(wǎng)友chenxing2從事SQL相關(guān)工作，其公司不久前做了一個(gè)ERP，增加功能包括貢獻(xiàn)度、銷售構(gòu)成、ABC分析、凍銷分析、商品趨勢(shì)、銷售速度、業(yè)績(jī)趨勢(shì)等等，而在客戶使用他們研發(fā)的這套軟件之前，一直使用excel做分析。那么他們現(xiàn)在做的這些是否也算是大數(shù)據(jù)處理?chenxing2表示：“個(gè)人認(rèn)為，怎么得用個(gè)聚類、推薦、語言識(shí)別、特征識(shí)別、樸素貝葉斯算法與交叉驗(yàn)證等之類的才夠檔次。現(xiàn)在大數(shù)據(jù)的一些開發(fā)方式及開源框架，就目前很多公司的那點(diǎn)數(shù)據(jù)量根本用不上，現(xiàn)在單庫解決了，數(shù)據(jù)量再大，可以后期分表分庫、讀寫分離解決。當(dāng)數(shù)據(jù)量再大時(shí)，才考慮大數(shù)據(jù)的框架。所以，現(xiàn)在用了也是大炮打蚊子，起不到作用，搞不好還不如傳統(tǒng)手段來的高效。目前能用上個(gè)nosql數(shù)據(jù)庫感覺都是超前一點(diǎn)的了?！?/span>

對(duì)于chenxing2的看法，網(wǎng)友heguangwu解釋道：“表面上看，企業(yè)所用的傳統(tǒng)方式已經(jīng)很好的解決問題，但公司數(shù)據(jù)終究會(huì)越來越多，而且要求分析結(jié)果會(huì)越來越快，到最后慢慢會(huì)應(yīng)用到大數(shù)據(jù)的一些技術(shù)?，F(xiàn)在即使很多大公司也不是馬上全盤采用當(dāng)前的所有大數(shù)據(jù)技術(shù)，也是一個(gè)逐步替代和使用的過程?！?/span>

其實(shí)，數(shù)據(jù)一直存在且量未必小，只不過以前缺乏挖掘數(shù)據(jù)和將其產(chǎn)生聯(lián)系的思維，以及分析數(shù)據(jù)的能力。在信息爆炸時(shí)代中，隨著技術(shù)和硬件設(shè)備的增強(qiáng)，海量數(shù)據(jù)的價(jià)值被有意識(shí)的挖掘，大數(shù)據(jù)概念也慢慢被認(rèn)可，明確“數(shù)據(jù)資源也是資產(chǎn)”這個(gè)觀點(diǎn)。

并不是所有的數(shù)據(jù)都具備挖掘價(jià)值，數(shù)據(jù)有足夠細(xì)的顆粒度、豐富的維度、活性以及相互關(guān)聯(lián)，只有這樣的大數(shù)據(jù)，才是可以對(duì)各種行為進(jìn)行數(shù)字化描述，從而歸納出信息的。除了數(shù)據(jù)，技術(shù)也是大數(shù)據(jù)挖掘必不可少的一環(huán)，當(dāng)數(shù)據(jù)規(guī)模達(dá)到甚至遠(yuǎn)超PB級(jí)別，當(dāng)數(shù)據(jù)開始位于不同數(shù)據(jù)庫，甚至不同平臺(tái)上，當(dāng)數(shù)據(jù)以各種不同的形式出現(xiàn)，如何尋找有用的信息?這一切都引發(fā)了如今“面向大數(shù)據(jù)”的技術(shù)變革。而這以上的內(nèi)容均是為了最終的商用做準(zhǔn)備。

大數(shù)據(jù)處理相關(guān)技術(shù)

大數(shù)據(jù)技術(shù)種類繁多，近年誕生的新技術(shù)也有不少，SIGMOD、VLDB、Hadoop submit、spark submit等等，那么，網(wǎng)友們是如何看待大數(shù)據(jù)技術(shù)的呢?

網(wǎng)友chenxing2說道：“關(guān)于大數(shù)據(jù)分析，從最開始的Hadoop及Hadoop的map reduce的問題發(fā)展到Spark、Samza、Apache S4、storm等大行其道，而后storm的一些問題又衍生出了JStorm和Twiter Heron。ES(ElasticSearch是基于Lucene的搜索服務(wù)器，提供一個(gè)分布式多用戶能力的全文搜索引擎)雖然能夠與Hadoop結(jié)合使用，但一般推薦solr + haddop結(jié)合?！?/span>

網(wǎng)友laputa73從自身應(yīng)用經(jīng)驗(yàn)中總結(jié)得到，voltdb的社區(qū)版只能玩玩，持久化，集群，HA特性都沒有。influxdb還不成熟，集群方案尚不可用。

網(wǎng)友heguangwu說：“時(shí)序數(shù)據(jù)庫方面開源方案不多，OpenTSDB也只是在HBase上套一個(gè)schema來做的，性能只能說是一般了。這方面感覺開源的關(guān)注度不夠，無太多的產(chǎn)品。”

實(shí)際應(yīng)用案例

網(wǎng)友laputa73講述了其在應(yīng)對(duì)自身大數(shù)據(jù)處理的兩種需求時(shí)所遇到的困難：“我們的需求一類以插入為主，例如每天500G的日志分析和查詢，目前使用ES處理，把它當(dāng)TSDB用。遇到關(guān)于ES部署使用相關(guān)的問題，參數(shù)調(diào)整，索引規(guī)劃等，但感覺ES的寫入性能沒有想象中高。ES做一個(gè)大集群，和分開幾個(gè)集群，寫入性能是否有不同?另一類需求以更新為主，每天1億次更新，但總記錄數(shù)在500w左右，這項(xiàng)工作以前用Oracle，后來換成了Redis，可感覺不太好用。Redis的主要問題是它是一個(gè)KV型的而非文檔型，不能使用主鍵之外的查詢，這就需要自己維護(hù)多個(gè)表，這樣相當(dāng)于降低了性能?！?/span>

網(wǎng)友heguangwu表示，對(duì)于第一類需求，ES在這種數(shù)據(jù)量下應(yīng)該是沒有問題的，ES在內(nèi)存中維護(hù)了一個(gè)反轉(zhuǎn)索引表，所以能保證速度，相當(dāng)于數(shù)據(jù)庫的內(nèi)存索引。對(duì)于第二類需求，替代方案可以嘗試HBase(性能最低)/Cassandra/巨杉(性能應(yīng)該最高)之類的解決方案，插入速度應(yīng)該可以，查詢就要取決于具體的查詢方式了。Redis確實(shí)只支持主鍵查詢，這類可以試試voltdb，或許能滿足你的需求，其也是內(nèi)存數(shù)據(jù)庫性能高，但好像只能用存儲(chǔ)過程。內(nèi)存數(shù)據(jù)庫這塊大多是商用方案比較多，開源的大多是KV型存儲(chǔ)，而不是數(shù)據(jù)庫。

目前大數(shù)據(jù)處理廠商基本能夠分為三類。首先是具有收集大量數(shù)據(jù)的能力的公司，其次是具備數(shù)據(jù)分析技能的公司，最后是基于思維的，對(duì)數(shù)據(jù)挖掘新價(jià)值有想法的公司。我們現(xiàn)在處于一個(gè)數(shù)據(jù)過量而技能稀缺的時(shí)代，資訊的價(jià)值就是資訊本身而不是資訊的來源，而大數(shù)據(jù)最值錢的部分就是它自身。即便我們處理數(shù)據(jù)量不是很大，也并不妨礙我們?nèi)ジ嗟娜リP(guān)注數(shù)據(jù)本身的價(jià)值。以上觀點(diǎn)均出自IT168旗下chinaunix論壇的一則討論帖中，網(wǎng)友們分享了自己對(duì)大數(shù)據(jù)方面的認(rèn)知及處理經(jīng)驗(yàn)。小編將話題內(nèi)容篩選整理成文。還對(duì)大數(shù)據(jù)概念和技術(shù)等云里霧里的小伙伴們，不妨一看。