解读云计算中的“大数据”

数据中心正在成为新时代的“信息电厂”,成为知识经济的基础设施

过去一年，“大数据”正在成为一个热门话题。

半个世纪信息技术的发展，主要解决的是云计算中“结构性”数据的存储、处理与应用。“结构性”数据的特征有如你到银行去存取款，银行的计算机系统记录着你的名字，在名字之后是你存取款的数量、时间、类型等信息。这些数据的特征是“逻辑性强”,每个“因”都有“果”.

然而现实社会中大量数据事实上没有“显现性”的因果关系，如一个时刻的交通堵塞、天气状态、人的状态（心理与物理）等，它的特征是随时、海量与弹性，如一个突变天气分析包含会有几百个PB（Petabyte, 1Petabyte=1024TB）数据。而一个社会事件如乔布斯去世瞬间所产生在互联网上的数据（微博、纪念、文章、视频等）也是突然暴发出来。

传统的计算机设计与软件都是以解决“结构性”数据为主。对这一类新型的“非结构”要求一种新的计算架构。互联网时代，尤其是社交网络、电子商务与移动通讯把人类社会带入一个以“PB”为单位的结构与非结构数据信息的新时代，它就是“大数据（Big Data）”时代。

大数据的企业与技术

一个大规模生产、分享、应用数据的时代正在开启，我们每个人都成为了数据的创造者和使用者，微博、社交网络都是最好的例子。

工业革命以后，书籍等以文字为载体的知识大约每十年可以翻一番；1970年以后，知识大约每三年就可以翻一番；如今，全球信息总量每两年就可以翻一番；2010年互联网的数据量，比之前所有年份的总和还要多。现在，人类每天可以产生数以PB的数据，从日志、微博、分享照片、传送视频，多种格式的数据实时、不断地更新。在医疗卫生、地理信息、电子商务、影视娱乐等行业，每天也都在创造着大量的数据。

数据正在成为从工业经济向知识经济转变的重要特征，成为新时代最关键的生产要素和产品形态。

代表着大数据时代的如Apple、Facebook、Amazon等公司正成为这场变革的推动力量。同时新企业也层出不穷，比如2007年才成立的Dropbox公司，创始人不到27岁，估值已经超过40亿美元，这是一家提供文件备份及共享服务的公司，允许用户在不同平台和设备之间同步并共享文件，Dropbox用户数量超过2500万，每天存储的文件数量2亿多个，苹果公司曾出价8亿美元想收购它未成功。

值得一提的是，这家公司最早使用的也是Amazon的S3云计算平台，得以低成本迅速起步。Amazon云计算数据存储服务，原来只是为了利用闲置服务器资源，现在一年可以带来近10亿美元收入，并且供不应求。今年初，Amazon S3云存储服务存储文件是2620亿份，这个数字最近变成了5660亿份，翻了1倍还多。目前Amazon称自己的S3数据存储服务，担心的已经不是数据的存储成本，而是更加重要的数据处理的问题。

云计算中的大数据有几个核心要素，如数据在云端的集合与分享、个人数据的无缝连接（随时、随地、同步）以及数据的跟踪分析和挖掘。

源自雅虎的Hadoop这样大数据系统越来越重要，作为开源的分布式数据处理系统架构，Hadoop主要面向存储和处理成百上千TB直至PB级别的结构化、半结构化或非结构化的大数据。Hadoop提供的MapReduce能将大数据问题分解成多个子问题，将它们分配到成百上千个处理节点之上，再将结果汇集到一个小数据集当中，从而更容易分析得出最后的结果。

Hadoop已经成为AOL、Facebook、Twitter和Netflix这些公司大数据分析的主要解决方案。比如像Facebook一天的数据要比很多大公司一年的数据还要多，他们通过Hadoop收集和存储每天生成的数百万的文件，使用开源Apache Hive数据仓库工具集中对这些数据进行分析。

Opera Solutions这样的创新公司提供的服务更加引人注目：客户将数据上传到Opera平台，Opera就会根据用户数据池里的相关“信号”进行分析，根据每个客户的个性化需求，Opera雇佣各行业的专家来帮助他们进行数据分析，Opera Solutions的年营业额已经超过1亿美元。

新的创业公司像MapR、Zettaset、Cloudera、HStreaming这些和Hadoop相关的大数据公司，在资本市场倍受青睐。它的快速成长将会成为下一个改变信息技术的力量。

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