與其他虛擬化一樣，數據虛擬化是一種允許用戶訪問、管理和優化異構基礎架構的方法，好比它們是一種單一、且在邏輯上是統一的資源一樣。這使得用戶能夠從一些服務、功能或其他資源的內部部署中對外部界面進行抽象化。與支持邏輯上統一的訪問、查詢、報告、預測分析，以及針對關系型、Hadoop、NoSQL等不同后端數據庫應用的任何“SQL-虛擬化”解決方法相同，數據虛擬化的核心是抽象層。

當然，數據虛擬化可能會轉而依靠其他的基礎設施虛擬化層，例如存儲與服務器平臺。在某些情況下，數據虛擬化可能會在地理上和多云環境中進行擴張。而在我們討論的眾多層中，虛擬化無疑是這些枯燥數據話題的一個縮影。但是如果你希望自己的大數據云平臺能夠解決以下業務需求，那么它們無疑是最基礎的。

具體的業務需求：

基于彈性、靈活拓撲結構的先進分析型資源

汲取源自任何來源、格式和方案的純消費性資源

在價值鏈中擴展，在私有云和公有云中擴張的聯合資源

能夠留存、聚合、處理任何動靜結合信息的“延遲-靈敏”資源

能夠讓你通過現有工具和應用，調整、擴展和升級后端數據平臺的無縫互操作資源

毋庸置疑,這是一項艱巨的任務，數據虛擬化和虛擬的基礎架構實踐起來比說起來困難的多。此外，部署、管理和優化的工作也需要花費大量的資金。

對于大部分的大數據專業人員而言，解決這一難題就如同天文學家試圖繪制出宇宙中的暗物質一樣困難。他們知道這項工作既重要，但又十分的乏味和煩瑣。實際上，大數據專業人員更喜歡從事Hadoop和NoSQL的研究，因為它們正在新的技術領域中閃爍著最耀眼的光芒。

在私有云中，大數據平臺融合需要一個虛擬化架構，以將新的方案與之前的投資相關聯起來。然而，融合將會阻止用戶持續的平臺現代化與遷移嘗試，妨礙用戶將創新和適合的平臺整合到云中，阻礙廠商的“產品-改良”循環。除非將所有的大數據方案都放到“通用的”公有云服務上，否則用戶在多種組合方案中需要虛擬化公有云、私有云和混合云架構的訪問。

而能沿著“數據-虛擬化”路線走多遠，將取決于用戶業務需求和大數據環境的復雜性。此外，還取決于用戶對風險、復雜性和困難的承受程度。

在未來，隨著分析模型、規則和大數據云上匯聚的信息日益復雜，平臺將成為虛擬化訪問、執行和管理的核心。在這一新領域內，MapReduce將成為關鍵的開發框架。此外，MapReduce還將成為針對內聯分析和交易計算的虛擬化架構的一部分。不過，目前這一虛擬化架構雖然涵蓋范圍更廣，但是大部分仍沒有被明確定義。迄今為止，還沒有人能夠對這些將云與大數據世界拼接在一起的層、界面和抽象化展開進一步概述，而這也是一項擺在我們面前的艱巨任務。