适合大数据工作负载基础架构的最简说明

配备传感器和智能设备采集和传输数据的物联网，正迫使企业从大数据、大洞察规划自己的行动，从而获得竞争优势。这个过程包括支持TB级的从各种设备产生的流媒体数据集，和在一定的背景下实时分析这些海量数据。

随着组织认识到大数据洞察的战略重要性，收集、连接、思考和适应的大数据活动，将是未来十年驱动商业价值的关键。

随着大数据趋势的加速，在大中型企业中，复杂的分析工作负载将变得越来越常见。Gabriel咨询集团做了一项调查，询问大数据使用者正在使用什么类型的工作负载。毫不奇怪，MapReduce工作负载排名垫底，而企业分析，复杂事件处理，可视化和数据挖掘等排名较高。

许多组织一直在试图以静态数据分析模型和多服务器体系结构(低吞吐量和高延迟)解决新出现的大数据工作负载。考虑到这些工作负载的新性质，以及数据规模，组织真正需要的，是一个新的软件和硬件环境，能够支持高计算强度，数据并行，数据流水线，以及变化数据的实时分析处理。

企业分析/大数据工作负载变得越来越密集运算，与科学和技术计算应用程序具有共同点。数据的数量和处理要求这些工作负载使用小系统集群运行高度并行的代码，以便能够以合理的成本和时限处理工作负载。

有些人认为，分布式服务器环境中高度的软件定制是答案的问题。但事实正好相反，这往往会导致浪费和资源闲置，天然的低效率，能源和占地空间的问题，安全问题，高昂的软件许可成本和维护恶梦。

适合现代大数据分析工作负载的企业级服务器需要有以下能力：

·更高的计算密度

·增加并行处理能力

·每个内核的虚拟机增加

·先进的虚拟化能力

·模块化系统设计

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