大數(shù)據(jù)分析平臺的六個(gè)關(guān)鍵功能

銷售報(bào)表、市場調(diào)研、盈利分析...隨著信息的不斷豐富，相信您的企業(yè)已經(jīng)為各種業(yè)務(wù)需求儲備了大量數(shù)據(jù)，數(shù)據(jù)規(guī)?？赡苓_(dá)數(shù)GB或數(shù)TB。

不過，物聯(lián)網(wǎng)、人工智能等技術(shù)風(fēng)頭正勁，將來您可能需要考慮數(shù)PB、EB、ZB等的數(shù)據(jù)量。

您的大數(shù)據(jù)分析平臺能否跟上步伐？

在慧與公司最近進(jìn)行的研究中，66%的受訪者認(rèn)為其當(dāng)前的解決方案無法分析大量數(shù)據(jù)；65%的受訪者表示，查詢程序運(yùn)行非常緩慢或根本沒有完成工作；43%的受訪者表示，其當(dāng)前的系統(tǒng)已經(jīng)達(dá)到其性能極限。同時(shí)，從海量數(shù)據(jù)中提取深刻見解的需求在持續(xù)增長。

在數(shù)字時(shí)代，您選擇的大數(shù)據(jù)分析平臺必須滿足非常廣泛的需求。HPE總結(jié)了大數(shù)據(jù)分析平臺必須提供的六大功能，滿足您對當(dāng)前及未來的需求，提高您的競爭地位，實(shí)現(xiàn)卓越的業(yè)務(wù)成果。

一、它必須容納海量數(shù)據(jù)

如果大數(shù)據(jù)分析平臺無法擴(kuò)展以存儲或管理海量數(shù)據(jù)，那么僅僅提高速度所帶來的作用相當(dāng)有限。大數(shù)據(jù)分析平臺必須能夠容納海量數(shù)據(jù)。

大規(guī)模并行處理是用于擴(kuò)展分析處理的理想技術(shù)，因?yàn)樗瑫r(shí)利用計(jì)算機(jī)群集的存儲和計(jì)算能力。它不僅在性能上有所擴(kuò)展，而且其處理傳入的大量數(shù)據(jù)流的能力也相應(yīng)提高。

此外，被設(shè)計(jì)為用于處理結(jié)構(gòu)化數(shù)據(jù)的大數(shù)據(jù)平臺使用MPP，可進(jìn)一步加速處理操作，這是因?yàn)橐厌槍Ψ治龀绦騼?yōu)化了結(jié)構(gòu)化數(shù)據(jù)，并減少了回答查詢所需執(zhí)行的搜索量。結(jié)構(gòu)化數(shù)據(jù)庫能夠更好地了解數(shù)據(jù)在數(shù)據(jù)海洋中的位置，并且可以精確地存取數(shù)據(jù)。

一般來說，非結(jié)構(gòu)化數(shù)據(jù)庫難以擴(kuò)展到采用列式設(shè)計(jì)的結(jié)構(gòu)化數(shù)據(jù)庫所能達(dá)到的級別。但是，大數(shù)據(jù)分析平臺可能整合有能夠提高非結(jié)構(gòu)化數(shù)據(jù)庫的可擴(kuò)展性和性能的功能。

二、它必須非常快

簡單來說，數(shù)字時(shí)代下，用戶不希望在運(yùn)行查詢時(shí)長時(shí)間地等待結(jié)果。他們期望即時(shí)得到滿足，獲得即時(shí)結(jié)果，而對其他工作負(fù)載沒有影響。這意味著大數(shù)據(jù)分析平臺必須增強(qiáng)現(xiàn)有應(yīng)用程序的性能，允許您開發(fā)具有挑戰(zhàn)性的新分析方法，并提供合理、可預(yù)測和經(jīng)濟(jì)的橫向擴(kuò)展策略。

從技術(shù)角度來看，要滿足這些期望，必須結(jié)合列式數(shù)據(jù)庫架構(gòu)(相對于基于行的非并行處理傳統(tǒng)數(shù)據(jù)庫)和使用大規(guī)模并行處理技術(shù)或者說MPP。

理由在于：列式設(shè)計(jì)可最大限度地減少I/O爭用，后者是導(dǎo)致分析處理發(fā)生延遲的主要原因。列式設(shè)計(jì)還可提供極高的壓縮率，相比于行式數(shù)據(jù)庫，通?？蓪?a href='/map/yasuo/' style='color:#000;font-size:inherit;'>壓縮率提高四倍或五倍。MPP數(shù)據(jù)倉庫通常按比例線性擴(kuò)展，這意味著如果您將雙節(jié)點(diǎn)MPP倉庫的空間翻倍，那么可有效將其性能提高一倍。

列式設(shè)計(jì)和MPP的結(jié)合不僅能夠大幅提高性能(通常約100到1000倍)，還可以實(shí)現(xiàn)更低且更透明的定價(jià)機(jī)制，例如針對每TB的模型而非傳統(tǒng)的針對每處理器、每節(jié)點(diǎn)、每用戶的定價(jià)方案。最終結(jié)果：性能呈指數(shù)級增長，同時(shí)大數(shù)據(jù)分析處理過程的總成本大幅降低。

三、它必須兼容傳統(tǒng)工具

如果您的大數(shù)據(jù)分析平臺依賴于“提取、轉(zhuǎn)換、加載”(ETL)工具(如Attunity、Informatica、Syncsort、Talend或Pentaho)或基于SQL的可視化工具(如Logi Analytics、Looker、MicroStrategy、Qlik、Tableau和Talena），請確保該平臺已經(jīng)過認(rèn)證，可與所有這些工具而不僅僅是主要供應(yīng)商的工具搭配使用。此外，確保您使用的所有工具和擴(kuò)展技術(shù)符合最新版本的ANSI SQL標(biāo)準(zhǔn)(SQL2011)。

四、它應(yīng)利用Hadoop并增加Hadoop的價(jià)值

Hadoop是由Apache Software Foundation管理的開源軟件平臺，已經(jīng)成為大數(shù)據(jù)分析領(lǐng)域中的主要平臺。許多數(shù)據(jù)庫專業(yè)人員將Hadoop評估為可解決其原數(shù)據(jù)倉庫系統(tǒng)中存在的分析限制的潛在解決方案。遺憾的是，他們通常會發(fā)現(xiàn)，相對于基于MPP的列式大數(shù)據(jù)分析平臺，Hadoop在即時(shí)查詢和SQL分析方面的性能嚴(yán)重不足。此外，為了支持Hadoop上的數(shù)據(jù)倉庫工作負(fù)載，必須開發(fā)新技術(shù)和獲得新軟件，并且在許多情況下還需要雇傭新的人員。

另一方面，Hadoop在數(shù)據(jù)分析處理中也提供了少數(shù)幾個(gè)明顯的優(yōu)勢。由于它是數(shù)據(jù)湖，可在一個(gè)位置存儲數(shù)據(jù)，從而節(jié)約成本。它提供了暖存儲和冷存儲，這種低成本存儲可保存可能會用到的數(shù)據(jù)，但并不保存日常分析所使用的熱數(shù)據(jù)。它可提供數(shù)據(jù)發(fā)現(xiàn)功能，幫助您了解數(shù)據(jù)是否具有商業(yè)價(jià)值。

通過ETL工具，它可以在數(shù)據(jù)進(jìn)入到組織時(shí)聚合或整理數(shù)據(jù)。如上所述，可以在Hadoop中經(jīng)濟(jì)高效地放置、存儲和處理結(jié)構(gòu)化、半結(jié)構(gòu)化和多重結(jié)構(gòu)化的數(shù)據(jù)。在采用關(guān)系數(shù)據(jù)庫時(shí)，情況則并非如此。需要的是這兩種方式的優(yōu)點(diǎn)的組合：一種利用Hadoop的優(yōu)勢而不會導(dǎo)致性能下降和潛在Hadoop服務(wù)中斷的方法。

因此，需尋求一種符合以下條件的大數(shù)據(jù)分析平臺：可利用Hadoop作為用于持久性和輕量型數(shù)據(jù)管理的高效益平臺，并且可同時(shí)加快傳統(tǒng)型數(shù)據(jù)倉庫工作負(fù)載和高級分析程序的速度。

五、它必須為數(shù)據(jù)科學(xué)家提供支持

數(shù)據(jù)科學(xué)家在企業(yè)IT中擁有著更高的影響力和重要性，因此大數(shù)據(jù)分析平臺應(yīng)在下述兩個(gè)關(guān)鍵方面支持?jǐn)?shù)據(jù)科學(xué)家。首先，新一代數(shù)據(jù)科學(xué)家采用Java、Python和R等工具來執(zhí)行預(yù)測式分析。底層分析數(shù)據(jù)庫應(yīng)支持和加速創(chuàng)新型預(yù)測分析的創(chuàng)建過程。

其次，此平臺應(yīng)有助于將數(shù)據(jù)科學(xué)家的工作與業(yè)務(wù)目標(biāo)聯(lián)系起來。如今，數(shù)據(jù)科學(xué)家的角色常常從統(tǒng)計(jì)學(xué)家演變而來，后者相對而言更具學(xué)術(shù)意味，而且通常并不熟悉宏觀業(yè)務(wù)目標(biāo)。在某些情況下，會導(dǎo)致數(shù)據(jù)科學(xué)家得出的結(jié)論可能不完整、不準(zhǔn)確或與業(yè)務(wù)成果無關(guān)。同時(shí)，商業(yè)人士常常樂于讓統(tǒng)計(jì)學(xué)家在封閉的環(huán)境中工作，只在需要他們支招時(shí)才去找他們。

快速、高效、易于使用和廣泛部署的大數(shù)據(jù)分析平臺可以幫助拉近商業(yè)人士和技術(shù)專家之間的距離。

六、它應(yīng)提供高級分析功能

根據(jù)您的特定使用情況，可能有必要深入查看由大數(shù)據(jù)分析引擎提供的內(nèi)置SQL分析功能。您必須從底層查看，以了解究竟提供了何種SQL分析，而不用對該數(shù)據(jù)執(zhí)行分析。例如，如果要對從設(shè)備獲得的數(shù)據(jù)執(zhí)行分析(如在物聯(lián)網(wǎng)中)，則需要諸如“時(shí)間序列分析”和“差距分析”等分析功能。如果沒有這些功能，您可能需要花費(fèi)時(shí)間整理數(shù)據(jù)或編寫自定義代碼。

此外，對于許多組織而言，執(zhí)行預(yù)測分析的能力正變得越來越重要。確保大數(shù)據(jù)分析平臺不僅支持您在數(shù)秒鐘內(nèi)準(zhǔn)備并加載數(shù)據(jù)，還支持您利用高級算法建立預(yù)測模型，輕松部署模型以進(jìn)行數(shù)據(jù)庫內(nèi)計(jì)分。這些功能和其他功能將使您能夠加速大規(guī)模機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析和圖形處理，同時(shí)使數(shù)據(jù)科學(xué)家能夠使用現(xiàn)有統(tǒng)計(jì)軟件包和首選語言。