在大數(shù)據(jù)檔案中發(fā)現(xiàn)寶藏

2013-10-17 10:08:11 EP電力信息化網(wǎng)　點擊量：評論 (0)

在大數(shù)據(jù)的魅力等級中，生產(chǎn)應用和探索性數(shù)據(jù)科學沙箱得到了所有的關注。這就是為什么，如果你不是一個大數(shù)據(jù)專家，您可能已經(jīng)忽略了數(shù)據(jù)管理和分析基礎設施的著陸區(qū)中大數(shù)據(jù)所起的關鍵作用。大數(shù)

在大數(shù)據(jù)的“魅力等級”中，生產(chǎn)應用和探索性數(shù)據(jù)科學沙箱得到了所有的關注。這就是為什么，如果你不是一個大數(shù)據(jù)專家，您可能已經(jīng)忽略了數(shù)據(jù)管理和分析基礎設施的“著陸區(qū)”中大數(shù)據(jù)所起的關鍵作用。

大數(shù)據(jù)“著陸區(qū)”的作用是刻意含糊不清的。它顯然不是生產(chǎn)的前端接入以及進行快速查詢、進行交互式探索以及建立預測模型并打分的沙箱層。也顯然不是存儲核心系統(tǒng)參考數(shù)據(jù)、管理元數(shù)據(jù)以及實施數(shù)據(jù)治理標準的生產(chǎn)樞紐層。

但在許多方面，大數(shù)據(jù)“著陸區(qū)”是這些生產(chǎn)和開發(fā)系統(tǒng)的基礎。

大數(shù)據(jù)“著陸區(qū)”起到了許多關鍵作用。它是將數(shù)據(jù)傳遞至下游的其他操作系統(tǒng)之前從操作系統(tǒng)獲得和收集數(shù)據(jù)的區(qū)域，也可能是將數(shù)據(jù)傳遞至集線器或前端集市前聚合、匹配、合并、清理、改造以及改進從資源中采集的數(shù)據(jù)的地方。或者，它可能是以歷史檔案的形式，存儲來自交易、分析或內(nèi)容管理系統(tǒng)數(shù)據(jù)的地方。

深入檔案
讓我們專注于大數(shù)據(jù)存儲的檔案。即使某些數(shù)據(jù)不再支持核心生產(chǎn)應用，這些檔案仍對合規(guī)、電子取證、安全、診斷以及其他支持性應用程序有價值。

檔案的傳統(tǒng)定義是不再被應用程序需要的歷史數(shù)據(jù)倉庫。很明顯，依照這個定義許多檔案無情地演變成許多IT商店的大數(shù)據(jù)平臺。

實際上，當檔案館存儲來源于各式各樣來源的數(shù)據(jù)且其數(shù)據(jù)容量增長至拍字節(jié)時，檔案館可能是一個組織中第一個含有大數(shù)據(jù)的數(shù)據(jù)庫。事實上，檔案的目的是在需要時為檢索及分析保留歷史數(shù)據(jù)，這就意味著，它需要進行優(yōu)化以便快速查詢、搜索和報表。

事實上，可查詢存檔已經(jīng)好些時候成為“殺手級別”的大數(shù)據(jù)應用。電信運營商早已在大規(guī)模擴展的存檔平臺上進行呼叫詳細記錄分析。安全事故和事件的檢測，以及反欺詐應用程序通常需要龐大的數(shù)據(jù)庫以存儲和關聯(lián)從系統(tǒng)級安全性、標識以及其他系統(tǒng)獲取的事件數(shù)據(jù)。許多用于故障排除、診斷和優(yōu)化的IT日志分析應用都運行在從低TB級別至PB級別的數(shù)據(jù)庫上。全面的顧客、庫存、物流及其他趨勢的時間序列分析都必須將大量存檔數(shù)據(jù)與從業(yè)務系統(tǒng)獲取的最新數(shù)據(jù)進行關聯(lián)。

完成工作的正確工具
顯然，對于如Hadoop這樣靜態(tài)數(shù)據(jù)平臺以及為特定類型數(shù)據(jù)存檔的規(guī)模與速度而架構(gòu)的NoSQL平臺來說，可查詢存檔的作用是不言而喻的。同樣，別忘了用來存檔結(jié)構(gòu)數(shù)據(jù)的RDBMS平臺。

根據(jù)不同的需求，可以針對不同的大數(shù)據(jù)集部署一個或多個含有已針對數(shù)據(jù)集優(yōu)化的底層平臺的檔案。關鍵的標準是，已部署檔案的大數(shù)據(jù)平臺是否支持查詢檔案存儲及管理的數(shù)據(jù)且能夠快速執(zhí)行所有預期類型的查詢。