對大規(guī)模數(shù)據(jù)集進行分析能夠幫助我們掌握隱藏模式、客戶偏好、未知關(guān)聯(lián)性、市場趨勢以及其它極具價值的業(yè)務(wù)信息。在此基礎(chǔ)之上，企業(yè)能夠?qū)崿F(xiàn)成本削減、促進決策制定并提供更多有針對性的產(chǎn)品與服務(wù)。而在今天的文章中，我們將共享了解2016年內(nèi)出現(xiàn)的幾項大數(shù)據(jù)技術(shù)發(fā)展趨勢。

Apache Spark

Apache Spark是一套卓越的開源處理引擎，專門面向復(fù)雜分析、高速處理與易用性需求而打造。蕻為程序員們提供立足于數(shù)據(jù)結(jié)構(gòu)之上的應(yīng)用程序編程接口，而這套數(shù)據(jù)結(jié)構(gòu)則被稱為彈性分布式數(shù)據(jù)集，其屬于以容錯方式分布于設(shè)備集群之上的多套只讀數(shù)據(jù)集。

彈性分布式數(shù)據(jù)集(簡稱RDD)有助于實現(xiàn)交互式算法。此算法會多次訪問該數(shù)據(jù)集，從而實現(xiàn)交互式或者說明性數(shù)據(jù)分析。利用這類交互式算法作為機器學(xué)習(xí)系統(tǒng)的訓(xùn)練機制正是Apache Spark項目的開發(fā)初衷。在它的幫助下，樣本數(shù)據(jù)分析已經(jīng)成為一項相當(dāng)簡單的工作。

下面讓我們看看Apache Spark在大數(shù)據(jù)領(lǐng)域脫穎而出的重要原因。

處理速度極快

在大數(shù)據(jù)處理工作中，速度一直非常重要。Apache Spark能夠在內(nèi)存內(nèi)將Hadoop集群應(yīng)用的運行速度提升100倍，磁盤之上亦能夠提升10倍。Spark通過減少對磁盤的讀取或?qū)懭肓繉崿F(xiàn)這一效果。中間處理數(shù)據(jù)被存儲在內(nèi)存當(dāng)中。

易于使用且支持多種語言

Sparks允許大家快速利用Java、Scala甚至Python為其編寫應(yīng)用。另外，Spark本身還內(nèi)置有80多項高級操作指令。

支持復(fù)雜分析

Apache Sparks支持復(fù)雜分析、數(shù)據(jù)流以及SQL查詢。另外，用戶也可以將各項功能全部并入同一工作流程之內(nèi)。

實時流處理

Apache Sparks能夠輕松處理實時數(shù)據(jù)流。它可在實時操作數(shù)據(jù)的同時，使用Spark Streaming。

能夠與Hadoop及現(xiàn)有Hadoop數(shù)據(jù)相集成

Sparks能夠獨立執(zhí)行，亦可結(jié)合Hadoop 2的YARN集群管理器并讀取Hadoop數(shù)據(jù)。這意味著Spark適用于遷移任何現(xiàn)有純Hadoop應(yīng)用。

基于Hadoop的多核心服務(wù)器

企業(yè)正逐步由昂貴的大型機與企業(yè)數(shù)據(jù)倉庫平臺轉(zhuǎn)向Hadoop多核心服務(wù)器。Hadoop是一套基于Java的開源編程框架，能夠在分布式計算環(huán)境下支持對超大規(guī)模數(shù)據(jù)集的處理與存儲。

低成本存儲與數(shù)據(jù)歸檔

Hadoop可用于對點擊流、交易、科學(xué)、機器、社交媒體以及傳感器等生成的數(shù)據(jù)進行存儲與整合，這主要是受到商用硬件成本不斷降低的推動。低成本存儲方案使我們能夠暫時保留似乎并不重要的信息，以待稍后進行分析。

以沙箱方式進行發(fā)現(xiàn)與分析

Hadoop能夠處理各種不同類型與格式的數(shù)據(jù)，從而運行多種分析算法。Hadoop上的大數(shù)據(jù)分析機制幫助企業(yè)實現(xiàn)高效運營、機遇發(fā)現(xiàn)并借此提升自身競爭優(yōu)勢。在這方面，沙箱方案則可顯著降低實現(xiàn)成本。

數(shù)據(jù)湖

利用數(shù)據(jù)湖，數(shù)據(jù)能夠以其原始或者精確格式實現(xiàn)存儲。如此一來，數(shù)據(jù)科學(xué)家與分析師將能夠利用原始或者精確數(shù)據(jù)視圖進行發(fā)現(xiàn)與分析工作。

補充性數(shù)據(jù)倉庫

Hadoop與數(shù)據(jù)倉庫環(huán)境并行存在，而部分數(shù)據(jù)集亦可從數(shù)據(jù)倉庫中轉(zhuǎn)移至Hadoop或者其它能夠直接為Hadoop所用的數(shù)據(jù)平臺之上。由于各企業(yè)的實際業(yè)務(wù)目標(biāo)不同，因此其采取的數(shù)據(jù)存儲及處理模式亦有所區(qū)別。

物聯(lián)網(wǎng)與Hadoop

物聯(lián)網(wǎng)的核心在于龐大數(shù)據(jù)流。Hadoop常被用于處理此類數(shù)據(jù)的存儲工作。巨大的存儲與處理能力使得Hadoop被作為沙箱環(huán)境，從而發(fā)現(xiàn)并監(jiān)控潛在模式以建立規(guī)范性指令。

預(yù)測分析與物聯(lián)網(wǎng)

利用數(shù)據(jù)、統(tǒng)計算法與機器學(xué)習(xí)技術(shù)，我們有可能根據(jù)歷史數(shù)據(jù)判斷未來的事態(tài)走向，這正是預(yù)測分析的基本思路。預(yù)測分析可用于進行欺詐活動檢測、營銷優(yōu)化、運營改進以及風(fēng)險控制等工作。

物聯(lián)網(wǎng)是指能夠以開/關(guān)控制方式接入互聯(lián)網(wǎng)的小型裝置。物聯(lián)網(wǎng)市場的整體規(guī)模正在快速增長，預(yù)計未來20年當(dāng)中物聯(lián)網(wǎng)能夠為全球GDP貢獻10到15萬億美元。

2016年年內(nèi)，大數(shù)據(jù)的上述發(fā)展趨勢已經(jīng)基本明確，且通過一系列實踐證明了其在降低風(fēng)險、改進運營以及檢測欺詐方面的良好功效。而將實時數(shù)據(jù)源與大規(guī)模歷史數(shù)據(jù)相結(jié)合以建立起的洞察能力，則正是預(yù)測分析方案的實現(xiàn)基礎(chǔ)。毫無疑問，Spark、Hadoop以及物聯(lián)網(wǎng)將引領(lǐng)新的大數(shù)據(jù)時代。