大數據時代數據管理方式研究

1數據管理技術的回顧
   數據管理技術主要經歷了人工管理階段、文件系統(tǒng)階段和數據庫系統(tǒng)階段。隨著數據應用領域的不斷擴展，數據管理所處的環(huán)境也越來越復雜，目前廣泛流行的數據庫技術開始暴露出許多弱點，面臨著許多新的挑戰(zhàn)。

    1.1 人工管理階段
    20 世紀 50 年代中期，計算機主要用于科學計算。當時沒有磁盤等直接存取設備，只有紙帶、卡片、磁帶等外存，也沒有操作系統(tǒng)和管理數據的專門軟件。該階段管理的數據不保存、由應用程序管理數據、數據不共享和數據不具有獨立性等特點。
    1.2 文件系統(tǒng)階段
    20 世紀 50 年代后期到 60 年代中期，隨著計算機硬件和軟件的發(fā)展，磁盤、磁鼓等直接存取設備開始普及，這一時期的數據處理系統(tǒng)是把計算機中的數據組織成相互獨立的被命名的數據文件，并可按文件的名字來進行訪問，對文件中的記錄進行存取的數據管理技術。數據可以長期保存在計算機外存上，可以對數據進行反復處理，并支持文件的查詢、修改、插入和刪除等操作。其數據面向特定的應用程序，因此，數據共享性、獨立性差，且冗余度大，管理和維護的代價也很大。
    1.3數據庫階段
    20 世紀 60 年代后期以來，計算機性能得到進一步提高，更重要的是出現(xiàn)了大容量磁盤，存儲容量大大增加且價格下降。在此基礎上，才有可能克服文件系統(tǒng)管理數據時的不足，而滿足和解決實際應用中多個用戶、多個應用程序共享數據的要求，從而使數據能為盡可能多的應用程序服務，這就出現(xiàn)了數據庫這樣的數據管理技術。數據庫的特點是數據不再只針對某一個特定的應用，而是面向全組織，具有整體的結構性，共享性高，冗余度減小，具有一定的程序與數據之間的獨立性，并且對數據進行統(tǒng)一的控制。
   2大數據時代的數據管理技術
   大數據（big data），或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業(yè)經營決策更積極目的的資訊。大數據有 3 個 V,一是大量化（Volume），數據量是持續(xù)快速增加的，從 TB級別，躍升到 PB 級別；二是多樣化（Variety），數據類型多樣化，結構化數據已被視為小菜一碟，圖片、音頻、視頻等非結構化數據正以傳統(tǒng)結構化數據增長的兩倍速快速創(chuàng)建；三是快速化 （Velocity），數據生成速度快，也就需要快速的處理能力，因此，產生了“1 秒定律”,就是說一般要在秒級時間范圍內給出分析結果，時間太長就失去價值了，這個速度要求是大數據處理技術和傳統(tǒng)的數據挖掘技術最大的區(qū)別。
    2.1 關系型數據庫（RDBMS）
    20 世紀 70 年代初，IBM 工程師 Codd 發(fā)表了著名的論文“A Relational Model of Data for Large Shared DataBanks”,標志著關系數據庫時代來臨。關系數據庫的理論基礎是關系模型，是借助于集合代數等數學概念和方法來處理數據庫中的數據，現(xiàn)實世界中的實體以及實體之間的聯(lián)系非常容易用關系模型來表示。容易理解的模型、容易掌握的查詢語言、高效的優(yōu)化器、成熟的技術和產品，使得關系數據庫占據了數據庫市場的絕對的統(tǒng)治地位。隨著互聯(lián)網 web2.0 網站的興起，半結構化和非結構化數據的大量涌現(xiàn)，傳統(tǒng)的關系數據庫在應付 web2.0 網站特別是超大規(guī)模和高并發(fā)的 SNS（全稱 Social Networking Services,即社會性網絡服務） 類型的 web2.0 純動態(tài)網站已經顯得力不從心，暴露了很多難以克服的問題。
    2.2 noSQL數據庫
    順應時代發(fā)展的需要產生了 noSQL數據庫技術，其主要特點是采用與關系模型不同的數據模型，當前熱門的 noSQL數據庫系統(tǒng)可以說是蓬勃發(fā)展、異軍突起，很多公司都熱情追捧之，如：由 Google 公司提出的 Big Table 和 MapReduce 以及 IBM 公司提出的 Lotus Notes 等。不管是那個公司的 noSQL數據庫都圍繞著大數據的 3 個 V,目的就是解決大數據的 3個 V 問題。因此，在設計 noSQL 時往往考慮以下幾個原則，首先，采用橫向擴展的方式，通過并行處理技術對數據進行劃分并進行并行處理，以獲得高速的讀寫速度；其次，解決數據類型從以結構化數據為主轉向結構化、半結構化、非結構化三者的融合的問題；再次，放松對數據的 ACID 一致性約束，允許數據暫時出現(xiàn)不一致的情況，接受最終一致性；最后，對各個分區(qū)數據進行備份（一般是 3 份），應對節(jié)點失敗的狀況等。
    對數據的應用可以分為分析型應用和操作型應用，分析型應用主要是指對大量數據進行分類、聚集、匯總，最后獲得數據量相對小的分析結果；操作型應用主要是指對數據進行增加、刪除、修改和查詢以及簡單的匯總操作，涉及的數據量一般比較少，事務執(zhí)行時間一般比較短。目前數據庫可分為關系數據庫和 noSQL數據庫，根據數據應用的要求，再結合目前數據庫的種類，所以目前數據庫管理方式主要有以下 4 類。
    （1）面向操作型的關系數據庫技術。
    首先，傳統(tǒng)數據庫廠商提供的基于行存儲的關系數據庫系統(tǒng)，如 DB2、Oracle、SQL Server 等，以其高度的一致性、精確性、系統(tǒng)可恢復性，在事務處理方面仍然是核心引擎。其次，面向實時計算的內存數據庫系統(tǒng)，如 Hana、Timesten、Altibase 等通過把對數據并發(fā)控制、查詢和恢復等操作控制在內存內部進行，所以獲得了非常高的性能，在很多特定領域如電信、證券、網管等得到普遍應用。另外，以 VoltDB、Clustrix 和NuoDB 為代表的 new SQL 宣稱能夠在保持 ACDI 特性的同時提高了事務處理性能 50 倍 ~60 倍。
    （2）面向分析型的關系數據庫技術。
    首先，TeraData 是數據倉庫領域的領頭羊，Teradata 在整體上是按 Shared Nothing 架構體系進行組織的，定位就是大型數據倉庫系統(tǒng)，支持較高的擴展性。其次，面向分析型應用，列存儲數據庫的研究形成了另一個重要的潮流。列存儲數據庫以其高效的壓縮、更高的 I/O 效率等特點，在分析型應用領域獲得了比行存儲數據庫高得多的性能。如：MonetDB 和 Vertica是一個典型的基于列存儲技術的數據庫系統(tǒng)。
    （3）面向操作型的 noSQL 技術。
    有些操作型應用不受 ACID 高度一致性約束，但對大數據處理需要處理的數據量非常大，對速度性能要求也非常高，這樣就必須依靠大規(guī)模集群的并行處理能力來實現(xiàn)數據處理，弱一致性或最終一致性就可以了。這時，操作型 noSQL數據庫的優(yōu)點就可以發(fā)揮的淋漓盡致了。如，Hbase 一天就可以有超過 200 億個到達硬盤的讀寫操作，實現(xiàn)對大數據的處理。另外，noSQL數據庫是一個數據模型靈活、支持多樣數據類型，如對圖數據建模、存儲和分析，其性能、擴展性是關系數據庫無法比擬的。
    （4）面向分析型的 noSQL 技術。
    面向分析型應用的 noSQL 技術主要依賴于Hadoop 分布式計算平臺，Hadoop 是一個分布式計算平臺，以 HDFS 和 Map Reduce 為用戶提供系統(tǒng)底層細節(jié)透明的分布式基礎架構。《Hadoop 經典實踐染技巧》傳統(tǒng)的數據庫廠商 Microsoft,Oracle,SAS,IBM 等紛紛轉向 Hadoop 的研究，如微軟公司關閉 Dryad 系統(tǒng)，全力投入 Map Reduce 的研發(fā)，Oracle 在 2011 年下半年發(fā)布 Big Plan 戰(zhàn)略計劃，全面進軍大數據處理領域，IBM 則早已捷足先登“,沃森（Watson）”計算機就是基于 Hadoop 技術開發(fā)的產物，同時 IBM 發(fā)布了 BigInsights 計劃，基于 Hadoop,Netezza 和 SPSS（統(tǒng)計分析、數據挖掘軟件）等技術和產品構建大數據分析處理的技術框架。同時也涌現(xiàn)出一批新公司來研究Hadoop 技術，如 Cloudera、MapRKarmashpere 等。
   3數據管理方式的展望
    通過以上分析，可以看出關系數據庫的 ACID 強調數據一致性通常指關聯(lián)數據之間的邏輯關系是否正確和完整，而對于很多互聯(lián)網應用來說，對這一致性和隔離性的要求可以降低，而可用性的要求則更為明顯，此時就可以采用 noSQL 的兩種弱一致性的理論 BASE 和 CAP.關系數據庫和 noSQL數據庫并不是想到對立的矛盾體，而是可以相互補充的，根據不同需求使用不同的技術，甚至二者可以共同存在，互不影響。最近幾年，以 Spanner 為代表新型數據庫的出現(xiàn)，給數據庫領域注入新鮮血液，這就是融合了一致性和可用性的 newSQL,這種新型思維方式或許會是未來大數據處理方式的發(fā)展方向。
   4 結束語
    隨著云計算、物聯(lián)網等的發(fā)展，數據呈現(xiàn)爆炸式的增長，人們正被數據洪流所包圍，大數據的時代已經到來。正確利用大數據給人們的生活帶來了極大的便利，但與此同時也給傳統(tǒng)的數據管理方式帶來了極大的挑戰(zhàn)。