大數(shù)據(jù)分析平臺(tái)的六個(gè)關(guān)鍵功能

銷(xiāo)售報(bào)表、市場(chǎng)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(chǔ)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(guò)，物聯(lián)網(wǎng)、人工智能等技術(shù)風(fēng)頭正勁，將來(lái)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(tái)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(wú)法分析大量數(shù)據(jù)；65%的受訪者表示，查詢(xún)程序運(yùn)行非常緩慢或根本沒(méi)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(jiàn)解的需求在持續(xù)增長(zhǎng)。

在數(shù)字時(shí)代，您選擇的大數(shù)據(jù)分析平臺(tái)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(tái)必須提供的六大功能，滿足您對(duì)當(dāng)前及未來(lái)的需求，提高您的競(jìng)爭(zhēng)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(tái)無(wú)法擴(kuò)展以存儲(chǔ)或管理海量數(shù)據(jù)，那么僅僅提高速度所帶來(lái)的作用相當(dāng)有限。大數(shù)據(jù)分析平臺(tái)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(chǔ)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(tái)使用MPP，可進(jìn)一步加速處理操作，這是因?yàn)橐厌槍?duì)分析程序優(yōu)化了結(jié)構(gòu)化數(shù)據(jù)，并減少了回答查詢(xún)所需執(zhí)行的搜索量。結(jié)構(gòu)化數(shù)據(jù)庫(kù)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(lái)說(shuō)，非結(jié)構(gòu)化數(shù)據(jù)庫(kù)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(kù)所能達(dá)到的級(jí)別。但是，大數(shù)據(jù)分析平臺(tái)可能整合有能夠提高非結(jié)構(gòu)化數(shù)據(jù)庫(kù)的可擴(kuò)展性和性能的功能。

二、它必須非?？?

簡(jiǎn)單來(lái)說(shuō)，數(shù)字時(shí)代下，用戶(hù)不希望在運(yùn)行查詢(xún)時(shí)長(zhǎng)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(duì)其他工作負(fù)載沒(méi)有影響。這意味著大數(shù)據(jù)分析平臺(tái)必須增強(qiáng)現(xiàn)有應(yīng)用程序的性能，允許您開(kāi)發(fā)具有挑戰(zhàn)性的新分析方法，并提供合理、可預(yù)測(cè)和經(jīng)濟(jì)的橫向擴(kuò)展策略。

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

理由在于：列式設(shè)計(jì)可最大限度地減少I(mǎi)/O爭(zhēng)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(kù)，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(cāng)庫(kù)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(cāng)庫(kù)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(duì)每TB的模型而非傳統(tǒng)的針對(duì)每處理器、每節(jié)點(diǎn)、每用戶(hù)的定價(jià)方案。最終結(jié)果：性能呈指數(shù)級(jí)增長(zhǎng)，同時(shí)大數(shù)據(jù)分析處理過(guò)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(tái)依賴(lài)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(qǐng)確保該平臺(tái)已經(jīng)過(guò)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(kāi)源軟件平臺(tái)，已經(jīng)成為大數(shù)據(jù)分析領(lǐng)域中的主要平臺(tái)。許多數(shù)據(jù)庫(kù)專(zhuān)業(yè)人員將Hadoop評(píng)估為可解決其原數(shù)據(jù)倉(cāng)庫(kù)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(huì)發(fā)現(xiàn)，相對(duì)于基于MPP的列式大數(shù)據(jù)分析平臺(tái)，Hadoop在即時(shí)查詢(xún)和SQL分析方面的性能?chē)?yán)重不足。此外，為了支持Hadoop上的數(shù)據(jù)倉(cāng)庫(kù)工作負(fù)載，必須開(kāi)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(shì)。由于它是數(shù)據(jù)湖，可在一個(gè)位置存儲(chǔ)數(shù)據(jù)，從而節(jié)約成本。它提供了暖存儲(chǔ)和冷存儲(chǔ)，這種低成本存儲(chǔ)可保存可能會(huì)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(guò)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(chǔ)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(kù)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(shì)而不會(huì)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(tái)：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(tái)，并且可同時(shí)加快傳統(tǒng)型數(shù)據(jù)倉(cāng)庫(kù)工作負(fù)載和高級(jí)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(tái)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(lái)執(zhí)行預(yù)測(cè)式分析。底層分析數(shù)據(jù)庫(kù)應(yīng)支持和加速創(chuàng)新型預(yù)測(cè)分析的創(chuàng)建過(guò)程。

其次，此平臺(tái)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(lái)。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(lái)，后者相對(duì)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(huì)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(wú)關(guān)。同時(shí)，商業(yè)人士常常樂(lè)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(tái)可以幫助拉近商業(yè)人士和技術(shù)專(zhuān)家之間的距離。

六、它應(yīng)提供高級(jí)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(duì)該數(shù)據(jù)執(zhí)行分析。例如，如果要對(duì)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(méi)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(xiě)自定義代碼。

此外，對(duì)于許多組織而言，執(zhí)行預(yù)測(cè)分析的能力正變得越來(lái)越重要。確保大數(shù)據(jù)分析平臺(tái)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(jí)算法建立預(yù)測(cè)模型，輕松部署模型以進(jìn)行數(shù)據(jù)庫(kù)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(yǔ)言。