机房360首页
当前位置:首页 » 分析 » 企业IT大数据问题分析及现状

企业IT大数据问题分析及现状

来源:机房360 作者:yuxin编辑 更新时间:2013-4-7 14:44:22

摘要:我们知道大数据的4v理论,数量(Volume)、多样性(Variety)、速度(Velocity)和真实性(Veracity),为我们制定大数据的策略提供了很好的方向。但同时我们在处理大数据的时候还是面临着很多问题,就目前大数据处理的现状来看,基本上处于以下几种状态。

  之前对于大数据只是一个概念,而今已经有很多企业和厂商在开始行动,但目前需要做的是如何迎接大数据的到来,如果你接不住大数据那么你在未来的企业市场将会被淘汰。文件(非结构化数据)本身的大小在发生变化,从600MB的RMVB到了30GB的蓝光1080P视频,企业数据量增加,造成的数据库庞大。这无疑是迫使企业进入大数据时代的原因之一。
  
  我们知道大数据的4v理论,数量(Volume)、多样性(Variety)、速度(Velocity)和真实性(Veracity),为我们制定大数据的策略提供了很好的方向。但同时我们在处理大数据的时候还是面临着很多问题,就目前大数据处理的现状来看,基本上处于以下几种状态。
  
  大数据处理平台以Hadoop为主
  
  目前大数据的处理平台以Hadoop为主,都是自建Hadoop集群或使用AmazonElasticMapReduce服务,而Google的BigQuery由于种种限制推广得并不理想。微软的Cosmos/Dryad/Scope由于体系仅限于内部使用,也不能成为大数据的平台,同时微软对外也支持hostingHadoop。
  
  Hadoop尚难成为公共云服务
  
  为什么说Hadoop很难成为公共云服务呢,原因有以下几个方面,第一Hadoop的安全体系局限在企业内网,缺乏多租户的支持。第二直接暴露HDFS文件系统,MapReduce和Hive很难做到多用户数据安全。第三数据文件格式过于复杂多样,维护成本高,保持数据兼容比较困难。
  
  大数据处理系统的技术门槛很高,从自备发电机到公共电网还有很长的路要走。而市场则需要安全性、可用性、数据正确性都有保障,并且功能完整的一体化大数据处理服务。
  
  大数据处理技术复杂
  
  大数据的处理技术纷繁复杂,仍然处于产业变革早期的战国时代。由于传统的OLAP和数仓的延续性,HiveSQL有很大市场,但Hive的数据正确性和Bug仍然比较多。而HadoopMapReduce又过于复杂灵活,写出高效Job比较困难。Pig、FlumeJava等分布式编程模型技术的门槛较高,所以推广起来也比较困难。在数据挖掘和图算法领域虽然涌现出了Mahout、Hama、GoldenOrb等大量开源平台,但都不够成熟。至于基于Hadoop的工作流系统Oozie和数据传输系统Sqoop都需要开发人员单独部署。都是各有利弊,还没有一个很好的完美的解决方案。

    责任编辑:余芯

本文地址:http://www.jifang360.com/news/201347/n112746733.html 网友评论: 阅读次数:
版权声明:凡本站原创文章,未经授权,禁止转载,否则追究法律责任。
相关评论
正在加载评论列表...
评论表单加载中...
  • 我要分享
更多
推荐图片