大数据与云计算相辅相成

通常为了避免由于服务能力的不足而造成服务请求排队的问题，会来用负载均衡技术将单个服务器的压力进行分摊，大幅提高服务性能;在数据采集时，也会通过在采集端部署大量的数据库来对系统性能提供支撑，然后对采集到的数据(包括各种结构化、非结构化和半结构化数据等)进行数据清理、去重、正规化以及相应的格式转换处理。在按照预定规则进行过滤后，输出到分布式数据存储系统中进行存储，为之后的分析和展示做准备。

在分析阶段，为了完成数据挖掘的目的，通常需要处理海量的历史数据，构建复杂的数学统计和分析模型(比如计算冬天的气温水平对特定厚度的羽绒服销量的影响)，并针对大量的结果之间的关联性做出高效正确的处理，同时还要支持数据更新带来的重新评估;而在展示阶段，则应当隐藏诸如数据存储拓扑和数据存储结构等实现细节，对业务应用暴露规范的数据访问接口，对复杂的数据访问需求提供透明支撑，大大减小业务应用的构建难度。

这些复杂的需求对技术实现和底层计算资源提出了高要求。所以，为应对这些复杂的大数据处理工作，需要从服务器、网络、存储、软件等各个环节构建一个兼具高可用性和高可靠性的系统环境，提供端到端的全面解决方案。

大数据与云计算相辅相成

传统的单机处理模式不但成本越来越高，而且不易扩展，并且随着数据量的递增、数据处理复杂度的增加，相应的性能和扩展瓶颈将会越来越大。在这种情况下，云计算所具备的弹性伸缩和动态调配、资源的虚拟化和系统的透明性、支持多租户、支持按量计费或按需使用，以及绿色节能等基本要素正好契合了新型大数据处理技术的需求;而以云计算为典型代表的新一代计算模式，以及云计算平台这种支撑一切上层应用服务的底层基础架构，以其高可靠性、更强的处理能力和更大的存储空间、可平滑迁移、可弹性伸缩、对用户的透明性以及可统一管理和调度等特性，正在成为解决大数据问题的未来计算技术发展的重要方向。

基于云计算技术构建的大数据平台，能够提供聚合大规模分布式系统中离散的通讯、存储和处理能力，并以灵活、可靠、透明的形式提供给上层平台和应用。它同时还提供针对海量多格式、多模式数据的跨系统、跨平台、跨应用的统一管理手段和高可用、敏捷响应的机制体系来支持快速变化的功能目标、系统环境和应用配置。

比如在基于云计算平台而构建的新型企业信息系统中，在以分布式集群技术构建高性能、高延展的存储平台之后，我们可以实现对不同业务应用中不同格式、不同访问模式的海量数据的统一存储，相关的数据分析系统则构建于分布式工作流和调度系统框架之上，采用分布式计算手段面向多模式海量数据提供数据的转换、关联、提取、聚合和数据挖掘等功能。在企业信息系统中经常提到的BI的具体业务功能，比如决策支撑、销售预测等，就可以由上层业务应用通过调用数据分析系统所提供的功能附加业务逻辑来实现。

云计算使大数据应用成为可能;没有云计算的出现，大数据将仍是空中楼阁，缺乏根基和落地可能。借助云计算技术，可以提高系统整体的弹性和灵活性，降低管理成本和风险，并且改进应用服务的可用性和可靠性;云计算不仅为大数据处理打造一个高效、可靠的系统环境，而且充分发挥云计算平台的优势，为大数据应用找到更多样化的出口。

如果说大数据是一座蕴含巨大价值的矿藏，云计算则可以被看作是采矿作业的得力工具;没有云计算的处理能力，大数据的信息沉淀再丰富，或许也只能望洋兴叹，入宝山而空手回;但从另外的角度说，云计算也是为了解决大数据等“大”问题发展而来的技术趋势，没有大数据的信息沉淀，云计算的功用将得不到完全发挥。因此，从整体上看，大数据与云计算是相辅相成的。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友