云計算和大數(shù)據(jù)目前都是熱門話題，如何把兩者結(jié)合起來即在云上實現(xiàn)大數(shù)據(jù)項目，這是一個新的實踐領(lǐng)域。資深數(shù)據(jù)專家David Gillman根據(jù)自己的經(jīng)驗，列舉了云上大數(shù)據(jù)方案需要考慮的基本要素，包括對數(shù)據(jù)構(gòu)建實時索引、自由模式搜索與分析、監(jiān)視數(shù)據(jù)并提供實時警告等，幫助用戶更好地評估和選擇解決方案。

在談到如何實現(xiàn)云上大數(shù)據(jù)項目時，David強調(diào)了三個實時要素，即實時索引、實時數(shù)據(jù)和實時監(jiān)控。具體來說，實時索引指的是“對所有機器數(shù)據(jù)創(chuàng)建通用的實時索引”：

這是大多數(shù)人所認為的大數(shù)據(jù)的核心;它常常相當于開源項目 Hadoop。公司可能已被來自射頻 ID (RFID) 移動、網(wǎng)站點擊和其他可能結(jié)構(gòu)化的數(shù)據(jù)的要求所淹沒。如果您知道將如何使用這些數(shù)據(jù)，如何在未來查詢和訪問它，那么在處理這些數(shù)據(jù)方面進行投資是值得的。

您無需知道數(shù)據(jù)的未來潛在用途，Hadoop 提供了解決辦法。通過按原樣獲取傳入的數(shù)據(jù)，大數(shù)據(jù)將數(shù)據(jù)定義步驟推遲到了執(zhí)行分析時。在不會限制數(shù)據(jù)的未來使用的情況下，Hadoop 將數(shù)據(jù)分布在許多服務(wù)器上并持續(xù)跟蹤數(shù)據(jù)位置。

實時數(shù)據(jù)指的是“對實時數(shù)據(jù)和歷史數(shù)據(jù)的自由搜索與分析”，存儲數(shù)據(jù)只是實現(xiàn)目標的道路的一部分。另一方面是信息需要相對容易地被找到。為此，最快的方法是提供一種快速(在實現(xiàn)方面，而不是響應(yīng)時間方面)搜索功能。因此需要找到支持對非結(jié)構(gòu)化數(shù)據(jù)進行文本搜索的工具。從監(jiān)視程序上直接獲得響應(yīng)，這會讓人們模糊地認為所有信息都被正確存儲且可以訪問。此過程的管理步驟是為存儲在分布式節(jié)點中的數(shù)據(jù)內(nèi)容建立索引。搜索查詢，然后并行訪問分布式節(jié)點上的索引，以便提供更快的響應(yīng)。

實時監(jiān)控指的是“監(jiān)視數(shù)據(jù)并提供實時警告”：

尋找一個工具來監(jiān)視大數(shù)據(jù)中的數(shù)據(jù)。一些工具能夠創(chuàng)建被持續(xù)處理的查詢，尋找要滿足的條件。我無法列出實時監(jiān)視進入 Hadoop 中的數(shù)據(jù)的所有可能用法。假設(shè)大部分傳入數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，而且不適用于關(guān)系數(shù)據(jù)庫，那么實時監(jiān)視可能是最仔細地檢查數(shù)據(jù)元素的一種方式。

除了三個“實時"之外，Daivid還列舉了其他七個要點，可以歸納為：

自動從數(shù)據(jù)中發(fā)現(xiàn)有效的信息

執(zhí)行手動搜索和手動報告也會影響分析效率。 數(shù)據(jù)挖掘和預(yù)測分析工具正在快速向以下方向發(fā)展：能夠?qū)⒋髷?shù)據(jù)用作分析數(shù)據(jù)來源的數(shù)據(jù)庫，或者用作持續(xù)監(jiān)視變更的數(shù)據(jù)庫。所有數(shù)據(jù)挖掘工具都遵循此目標。某個人確定分析的用途，查看數(shù)據(jù)，然后開發(fā)能提供洞察或預(yù)測的統(tǒng)計模型。然后，需要將這些統(tǒng)計模型部署在大數(shù)據(jù)環(huán)境中，以執(zhí)行持續(xù)評估。這部分操作應(yīng)該是自動化的。

提供強大的特定報告和分析

類似于知識發(fā)現(xiàn)和自動化的數(shù)據(jù)挖掘，分析師需要獲得訪問能力來檢索和匯總大數(shù)據(jù)云環(huán)境中的信息。擁有大數(shù)據(jù)報告工具的供應(yīng)商似乎每天都在增多。基于云的大數(shù)據(jù)提供商應(yīng)同時支持來自外部請求者的 Pig 和 HQL 語句。這樣，大數(shù)據(jù)存儲即可由人們使用自己選擇的工具(甚至使用還未創(chuàng)建的工具)來查詢。

提供快速構(gòu)建自定義儀表板和視圖的能力

像傳統(tǒng)的商業(yè)智能項目的演化一樣，當人們可以查詢大數(shù)據(jù)并生成報告時，他們希望自動化該功能并創(chuàng)建一個儀表板，以便通過漂亮的圖片反復(fù)查看。除非人們編寫自己的 Hive 語句和僅使用 Hive shell，大部分工具都有使用查詢語句創(chuàng)建類似儀表板的視圖的能力。要在大數(shù)據(jù)部署中列舉許多儀表板示例，目前還為時過早。一種基于商業(yè)智能歷史的預(yù)測是，儀表板將成為已匯總的大數(shù)據(jù)的一個重要的內(nèi)部傳遞工具。而且從商業(yè)智能的歷史發(fā)展來看，擁有良好的大數(shù)據(jù)儀表板對于獲取和保持高層領(lǐng)導(dǎo)支持至關(guān)重要。

使用普通硬件進行高效擴展，以支撐任何數(shù)據(jù)量

當使用云大數(shù)據(jù)服務(wù)時，此考慮因素更沒有多少實際意義。采購、配備和部署用于存儲數(shù)據(jù)的硬件是服務(wù)提供商的職責。硬件的選擇應(yīng)該不難。但是，值得欣慰的是，賬單表明大數(shù)據(jù)適合使用普通硬件。在架構(gòu)中的一些節(jié)點上，“高質(zhì)量的” 服務(wù)器很有用。但是，大數(shù)據(jù)架構(gòu)中絕大部分節(jié)點(存儲數(shù)據(jù)的節(jié)點)都可放在 “更低質(zhì)量的” 硬件上。

提供細粒度、基于角色的安全和訪問控制

當非結(jié)構(gòu)化數(shù)據(jù)位于關(guān)系數(shù)據(jù)中時，訪問數(shù)據(jù)的復(fù)雜性可能會阻礙人們獲取數(shù)據(jù)。常見的報告工具不起作用。考慮采用大數(shù)據(jù)是簡化復(fù)雜訪問的一個有效步驟。不幸的是，同樣的安全設(shè)置通常無法從現(xiàn)有關(guān)系系統(tǒng)遷移到大數(shù)據(jù)系統(tǒng)上。使用的大數(shù)據(jù)越多，良好的安全性就會變得越重要。最初，安全保護可能很少，因為沒有人知道如何處理大數(shù)據(jù)。隨著公司開發(fā)出了更多使用大數(shù)據(jù)的分析，需要對結(jié)果(尤其是報告和儀表板)進行保護，這類似于保護來自當前關(guān)系系統(tǒng)的報告。 開始使用基于云的大數(shù)據(jù)，了解需要在何時應(yīng)用安全性。

支持多租戶和靈活的部署

云的使用帶來了多租戶的概念，但這顯然不是內(nèi)部大數(shù)據(jù)環(huán)境中的考慮因素。許多人對將關(guān)鍵數(shù)據(jù)放在云環(huán)境中感到不安。而重要的是，云提供了開始實現(xiàn)大數(shù)據(jù)項目所需的低成本和快速部署。正是由于云提供商將數(shù)據(jù)放在了具有共享的硬件資源的架構(gòu)中，成本才會顯著降低。上帝是公平的，將數(shù)據(jù)放在您的服務(wù)器上，由其他某個人來管理整個設(shè)置也未嘗不可。但是，在大數(shù)據(jù)需求是間歇性的時候，這不是一個經(jīng)濟高效的業(yè)務(wù)模型。結(jié)果會產(chǎn)生更高的開支，因為公司將為大量空閑時間付費，尤其在實現(xiàn)第一個項目期間，在分析師探索、考慮和了解大數(shù)據(jù)的時候。

集成API并通過它們進行擴展

大數(shù)據(jù)是為供自定義應(yīng)用程序訪問而設(shè)計的。常見的訪問方法使用 RESTful應(yīng)用編程接口 (API)。這些 API 可用于大數(shù)據(jù)環(huán)境中的每個應(yīng)用程序，用于管理性控制、存儲數(shù)據(jù)和報告數(shù)據(jù)。因為大數(shù)據(jù)的所有基礎(chǔ)組件都是開源的，所以這些 API 經(jīng)過了全面地說明并且可以廣泛使用。希望基于云的大數(shù)據(jù)提供商允許訪問目前和未來的所有具有適當安全保護的 API。