物联网高速公路上，快数据如何驱动分析大数据时代，快数据（fast data）有望给企业带来新的机遇。智能手机、传感器和社交媒体产生了上百亿个数据节点，如果你没有及时对这些数据节点以及物联网作出响应，那快数据带来的商机将与你擦肩而过。 零售业的高速发展为研究快数据理论、了解其获利能力提供了方便。但当考虑研究快数据为人们提供帮助时，没有哪个行业能比得上医疗行业，TIBCO的研究人员致力于构建快数据应用，从医院数字化设备产生的大量信息中发现潜在模式。 TIBCO的Been告诉我们：“我们的客户希望能将医疗设备产生的数据整合到一起，这样可以更早地诊断出疾病，更早地为病人提供正确的治疗方案，通过大数据技术挖掘数据中潜在的信息，了解疾病的传播，还可以通过对实时数据分析发现疾病的临床症状。” 虽然如今的Hadoop已成为大数据代名词，但Hadoop不可能解决一切大数据问题，尤其是针对快速数据来说。TIBCO对Hadoop就不太感冒，该公司的首席技术官Matt Quinn在公司上个年度用户会议上就告诫人们不要过分依赖“大象”——Hadoop。 Hadoop由于缺乏交互性和实时功能常常被人们抱怨，不过Hadoop也在努力地添加一些新的实时分析功能，也许将来Hadoop也能成为一个快数据平台，还有两个优秀的大数据技术也值得考虑——Apache Spark和Apache Storm。 Spark一直被看作MapReduce的替代者，获得了多方的追捧。Spark目前已成为Hadoop数据平台中重要的数据分析工具，相比MapReduce，Spark不仅更易于编写代码（支持Java、Python和Scala），而且速度更快，同时，Spark还为SQL（Shark）预先构建了hook函数，具有实时流媒体（Spark流）、机器学习（MLLib）和图处理（GraphX）等多种功能。 MapR作为Hadoop软件供应商，一直努力改进Hadoop技术以增强快数据的处理能力，MapR最近宣布了它与Databricks合作——将内存Apache Spark技术整合到Hadoop产品中，MapR的竞争对手Cloudera也将Spark加入了Hadoop中，Hortonworks则一直为Spark提供支持，预计在今年将为Spark提供全面的支持。 Storm在应对快数据处理方面具有优越的性能，使其具有很多追随者。很Spark一样，Storm为用户提供各类的语言支持，包括Ruby、Python、JavaScript、Perl、PHP。 LivePerson是一家使用Storm技术的公司，为用户提供基于Web的通信软件。在近期的一个视频中，Ido Shilon、LivePerson平台工程组的团队领导，解释了该公司如何重建其后端基础设施，以及如何使产品有更好的弹性等问题。 LivePerson实时系统的核心技术是Storm和Apache Kafka，还有Couchbase NoSQL数据库。作为其信息进程初始化的一部分，该公司致力于收集所有会话信息，比如网站用户来自哪儿，他们使用什么浏览器，他们访问过哪些页面等等，这些信息先通过Kafka流式处理，然后用Storm进行分析，最后以文档的形式存储在Couchbase数据库中。最终，这三款产品将构建出它们的“智慧库”，用于分析信息。 随着物联网的发展，应对快数据的困难将越来越大。物联网会给我们带来更多的快数据，机器产生的数据量会超出我们想象，而且这些数据既不直观也不易于使用，但这一切将为那些以数据驱动业务的公司带来更强的竞争力。谁先做好准备，谁就能在竞争中获得优势。 责编：李玉琴  微信扫一扫实时了解行业动态 著作权声明：畅享网文章著作权分属畅享网、网友和合作伙伴，部分非原创文章作者信息可能有所缺失，如需补充或修改请与我们联系，工作人员会在1个工作日内配合处理。 |
最新专题 |
资深技术经理：无线网络设备导致信..
网上邻居九招特殊的应用.doc|
|
