“大数据”这一术语尝尝被人们所误解。因太多的人在最近的一段时间内都积极地谈论大数据等相关先进的技术和规划，似乎让人们觉得这一技术离现实十分遥远。实际上，大数据技术已被广泛使用。

　　当然，大数据技术是用来存储和处理庞大的数据集的，然而事实远非如此。

　　当我们试图运用大数据时，它能够帮助我们进行更多的思考，带来更多的想法;所以，大数据并不只是一个特定的规模或是技术。从最简单的方面理解，三个交叉的趋势形成了如今的大数据现象——堆积如山的数据当中包含了有价值的信息、大量廉价的商品计算资源与几乎免费的分析工具。但是，当谈论到大数据环境的安全性时，上述最后一条——几乎免费的分析工具，则引发了安全问题。

　　撰写这篇文章时，就已发现了针对不同数据类型(例如，地理定位数据、文件和元组存储等)的120多例大数据管理系统变异问题。

　　这些系统使用了许多不同的查询模式;不同的数据存储模式;和不同的任务管理、业务流程和资源管理工具。虽然大数据通常被描述为反关系式，但这一概念也未能捕捉到大数据的本质。

　　确实，大数据的实现摆脱了许多关系数据库的核心功能，其相关的性能问题也得到了很好的解决，但千万不要搞错一些大数据环境所提供的关系结构、事务的一致性和结构化查询处理等问题。

　　由于传统的定义未能体现出大数据的本质，那么就想想它的关键要素和大数据环境。在分布式数据存储和管理上它们应用了许多节点。

　　它们会存储多个数据副本，将跨越多个节点的数据块进行“分片”。这为故障安全操作提供了诸多好处，这就意味着在此情况下任何一个节点出现故障时，数据查询就可以对正在处理的资源数据进行移动。正是这种用于处理数据管理和数据查询的分布式集群数据节点，以及它们之间的相互配合，造就了大数据不同于“大型主机”的特性。

　　大数据的基本特征——此技术所允许的数据管理及需求响应范围大大超过了以往的数据管理系统，如分布式体系结构和并行处理的数据容量与速度;但用什么来保护这些系统就显得更加困难了。此集群是半开放的自组织结构，它们允许用户同时与多个数据节点进行通信。

　　数据节点和客户端应该获取什么样的信息等相关验证是十分困难的。大数据所具备的弹性性质，意味着新的节点会自动进入集群连接状态，共享数据和查询结果用以处理客户端的任务。

　　目前，在大数据市场中正在进行着疯狂的比赛——添加新的功能，不断拓宽可扩展性的界限——绝大多数的开发资源都用在大数据可扩展性的改善上面，以便能够获得更多的使用和分析能力。

　　然而，在这些资源中只有一个非常低的百分比被用于添加安全功能。但是，你希望能够将安全功能嵌入到大数据平台中;在设计和部署阶段，你希望开发人员能够根据需求启动这些功能;你想要自组织集群的安全性同样是可扩展的、高性能的。但关键的问题是：大多数商业捆绑套餐或开源系统中通常都不包含可用的安全产品。

　　责任编辑：yayo