深吸一口氣。你的第一個步驟應該是規(guī)劃一個全面的云數據虛擬化基礎架構。虛擬化的云分析是新時代的大數據范例。作為一種整合的方式，它可以確保統(tǒng)一接入、建模、部署、優(yōu)化并大數據作為一個異構的資源來管理。

　　像其他任何的虛擬化一樣，數據虛擬化是這樣一種方法，它允許您訪問、管理和優(yōu)化異構的基礎設施，就好像它是一個單一的、邏輯上統(tǒng)一的資源。這使您能夠抽象外部接口，從內部實施的一些服務、功能或其他資源。

　　數據虛擬化的核心是一個抽象層，如任何的SQL虛擬化方法，支持邏輯上統(tǒng)一的訪問、查詢、報告、預測分析，和其他針對不同的后端數據存儲庫(如關系型數據庫、Hadoop、NoSQL，等等)的應用程序。當然，數據虛擬化可能會轉而依賴虛擬化基礎設施的其他層，如存儲和服務器平臺，在某些情況下，可能遍布不同的地理位置和多個云環(huán)境。

　　然而，在我們正在討論的許多層中，數據的虛擬化是典型的不“性感”的話題。但它是根本，如果你希望你的大數據云平臺解決以下業(yè)務需求：

　　* 彈性的高級分析資源

　　* 消耗一切的資源，獲取起源于任何來源、格式和圖表的信息

　　* 延遲敏捷的資源，保持、匯總和處理任何動態(tài)的和靜態(tài)的信息組合

　　* 聯合的資源，綿延于整個價值鏈、跨越私有云和公有云

　　* 無縫的互操作性資源，可以讓你改變、擴展和演進后端數據平臺，不會打破現有的工具和應用程序的互操作性

　　是的，這是一項艱巨的任務。顯然，數據虛擬化以及數據虛擬化的基礎，做起來要比談論困難得多。另外，它的實施、管理或優(yōu)化都不便宜。

　　基于云計算的大數據將需要日益復雜的虛擬化基礎架構。這并不奇怪，大多數的數據專業(yè)人員接近這個混亂的問題的方式，與天文學家試圖映射宇宙的暗物質大致相同。他們知道這是一個必不可少的繁瑣的苦差事。說實話，大數據專業(yè)人員會更喜歡將其戰(zhàn)略望遠鏡指向那些“性感的天體” - 諸如 Hadoop，NoSQL，等等 -在新技術的蒼穹之中，它們的光芒最為耀眼。

　　隨著你的云中的大數據應用程序的范圍不斷增加，幾乎可以肯定你會需要更深層次的虛擬化。混合大數據云的難以處理的異構將推動你朝著這個方向努力。在你的私有云之中，不斷融入新應用的大數據平臺也需要一個虛擬化層，將新的處理方式與以往的IT資產進行橋接。這將源于你正在進行的平臺現代化和遷移的努力，源于你將創(chuàng)新的平臺放到云中的需要，以及源于云供應商的產品增強。除非你能夠把你所有的大數據應用放到一個“萬能”的公有云服務上面，否則你將需要虛擬化以訪問公有云、私有云和混合云架構。

　　顯然，你的數據虛擬化的路徑和程度，將取決于你的業(yè)務所需求的大數據環(huán)境的復雜度。此外，它還將取決于你對風險和復雜性的容忍度。

　　在未來的幾年內，隨著更復雜的分析模型、規(guī)則和信息匯聚在大數據云，該平臺將成為虛擬化訪問、執(zhí)行和管理的核心。在這個新的世界里， MapReduce將是關鍵的(但不是唯一的)開發(fā)框架。未來，MapReduce將成為一個更廣泛的、但在很大程度上仍然不確定的虛擬化架構的一部分，用于在線分析處理和事務計算。

　　目前還沒有人著手去勾勒一些層、接口和抽象化，將云大數據宇宙從頭到尾膠合在一起。這是另外一個艱巨的任務。