“大数据”这个概念是近几年开始火起来的，现在可谓是无处不在了。在了解什么是大数据之前，我们先了解一下什么是传统数据?
第一步：什么是大数据
传统数据就是IT业务系统里面的数据，如客户资料、财务数据等。这些数据是结构化的，量也不是特别大，一般只是TB级。对比传统数据，还有一种叫“新数据”，是来源于社区网络、互联网等渠道，包括文本、图片、音频、视频等非结构化的数据。目前全世界75%以上都是非结构化数据，而且还一直呈现爆炸性的增长。我们看看下面的图就更好理解了：
大数据就是：结构化的传统数据+非结构化的新数据。
因而，大数据还具有以下特点，简称“4V”：
- Volume(大量)：数据体量巨大，从TB级别，跃升到PB级别;
- Variety(多样)：数据类型繁多，有网络日志、视频、图片、地理位置信息等;
- Velocity(高速)：处理速度快，可从各种类型的数据中快速获得高价值的信息，这一点也是和传统的数据挖掘技术有着本质的不同;
- Value(价值)：只要合理利用数据并对其进行正确、准确的分析，将会带来很高的价值回报。
-
第二步：大数据组成
大数据系统由基础设施、平台和应用组成。对比我们平时使用的电脑，基础设施就是电脑这台硬件，平台就是装在里面的操作系统，应用就是操作系统上面的各种应用程序。
大数据的应用五花八门，但总体上可分为“业务应用”和“数据分析”两大类。
前者包括ERP、CRM等业务系统，后者指的是各种分析应用，包括经营分析、价值分析、人流分析等等。分析系统从业务系统获取源数据，经过分析后可以反哺业务系统，对其进行赋能(注智)，让其具有智慧。说到这里，大家是不是觉得有点熟悉了?跟我们的BI是不是有某些联系呢?没错了，“大数据平台”和“数据分析系统”加在一起就是BI的升级版啊!既然是升级版，它与传统BI有什么区别呢?请看下面就知道啦。
成本更低廉
去IOE，硬件采用廉价的X86，软件更多使用开源，节省成本
容灾性好
平台部署在X86集群上，机器出问题可随时切换
扩展性好
X86集群可根据需要随时进行扩展，提高灵活性
处理效率高
当数据达到TB级别，处理效率显著提高
处理类型多
可以处理结构化、半结构化、非结构化数据
进一步挖掘价值
处理的数据量大，类型多，因而可进一步挖掘数据的价值。
是不是有很多升级的地方呢?为了支持这些升级，大数据系统需要具备哪些功能呢?这就涉及到架构问题了，跟着小麦继续往下看吧。
第三步：大数据架构
我们已经知道大数据系统由基础设施、平台和应用组成，我们现在进一步细分，请看下图：
基础设施由通过局域网或互联网连接的X86集群组成，为大数据平台提供最基本的硬件支持。
大数据平台由基础架构、数据处理和数据服务三部分组成：
基础架构负责对基础设施进行系统管理，为数据处理提供分布式底层服务;数据处理负责数据的采集、存储、计算;数据服务负责将处理后的数据提供给上层应用使用。大数据应用是面向用户的各种应用系统，包括业务应用和数据分析。大数据系统的总体架构就是这样子，是不是跟我们平时见到的BI架构很像呢? 通过这个表格对比我们就更清楚了：
下面我们将围绕这个架构展开说明。理解了这个架构，小麦的目的也就达到啦。
第四步：虚拟化
基础设施提供计算、存储、网络三种能力，是大数据平台的根基。但是如何解决以下问题：
大量的机器如何管理
当集群的状态改变，也即增加或者减少一些机器的时候，难道要去修改平台的配置吗?
如何充分利用系统资源
当集群的能力只使用了一部分，而这个时候需要一部新的机器用来部署其它系统，难道是从集群上拆下一部机器来提供吗?
如何解决弹性问题
当高峰期的时候，系统可能需要20部机器，平时只需要10部。那么我们是提供多少部合适呢?如果提供20部，平时空闲下来的10部如何处理?
这些问题有一种解决方法：虚拟化。就是把集群作为一个整体进行管理，可以根据需要从某些机器中调配相关资源，快速组成一部“新的机器”。例如可以用机器A的CPU1/2性能、1/3的内存，和机器B的1/5硬盘组成。
当集群的状态改变时，我们只需要修改虚拟化软件的配置，减少对平台的影响。当集群有多余的资源时，可以虚拟出一些新的机器给其它系统使用，充分利用了系统资源。
虚拟化的主流商业软件是Vmware，开源的软件有Xen、KVM等。
第五步：云化
虚拟化虽然带来资源配置的灵活性，但也有明显的缺陷。配置一部“新的机器”需要人工操作，配置非常麻烦，最多只能管理几百台电脑的规模，作为企业内部的应用是可以的。但对于提供公众服务的互联网公司来说，需要上万部电脑的规模，通过虚拟化的方式是行不通的。所以又有了新技术的出现：云化，也即把基础设施作为一项服务提供。请看下图：
最早是亚马逊基于自身电商业务的发展，传统的IT架构已经满足不了需求，所以基于开源的虚拟化软件开发了AWS(Amazon Web Service)，可以支持超大规模的集群应用。在解决自己的业务需求后，亚马逊发现可以把这项技术作为一项单独的业务推向市场，这就是现在稳居全球市场头把交椅的的亚马逊云服务。同样的背景，阿里巴巴也基于Xen推出了市场化的阿里云，现成已经成为国内云市场的老大。由此我们也知道为什么云服务做得最早、最好的都是互联网公司了吧?因为他们有自身的业务在驱动。规模上万部的机器，以资源池(数据中心)的形式分布在不同的地域上(很多建设在广西、贵州、内蒙等欠发达省份，电费、人工比较便宜，又可以促进当地就业)，通过调度中心进行统一管理，这就是公有云平台。
在亚马逊开展商业化云服务的同时，美国另一家叫Rackspace的公司也推出OpenStack在跟亚马逊竞争。无奈竞争不过人家，最后决定和NASA(美国国家航空航天局)合作，把OpenStack开源，一起成立了开源云平台。后来各家传统的IT巨头纷纷加入这个开源的社区，经过二次开发和包装后推出了自己的私有云平台，和自家的硬件或解决方案打包一起销售。
不管是公有云，还是私有云，都是实现了基础设施的时间灵活性和空间灵活性，把基础设施作为一项服务提供，也即：Infranstracture as a Service(IaaS)
閱讀更多 科技快播網 的文章
