免费亚洲欧美精品电影_国内精品偷拍福利视频_美女黄网站色视免费国产_国产不卡福利片在线观看

海量數據的浪潮有多迅猛？IDC在2006年估計全世界產生的數據量是0.18ZB（1ZB=100萬PB），而今年這個數字已經提升了一個數量級，達到1.8ZB，差不多對應全世界每個人一塊100多GB的硬盤。這種增長還在加速，預計2015年將達到近8ZB。目前IT系統(tǒng)的存儲能力遠遠不足，就更不用說深入地挖掘和分析了。

在本文中，百度首席科學家威廉·張、Teradata首席客戶官周俊凌、Yahoo!北京全球軟件研發(fā)中心架構師韓軼平、SAP中國區(qū)企業(yè)信息管理咨詢資深顧問杜韜等四位業(yè)內專家，將分享他們在應對海量數據挑戰(zhàn)方面的見解和經驗。

您所在企業(yè)的數據量現在達到了什么規(guī)模？

威廉·張：這個問題比較容易回答。百度不是一個產品，不僅有搜索引擎，還包括很多社區(qū)產品和媒體產品，所以這個數字大概是數百個PB，每天處理的數據大約有幾十個PB。我是差不多四年半前加入百度的，所以我比較清楚地記得那時候的規(guī)模。與那時相比，現在的數據規(guī)模成長比較驚人，大概是那時的500~1000倍。

威廉·張：數據量大并不可怕，問題是要實時處理數據

數據量大并不可怕，問題是要實時處理數據，因為任何的時延都會使服務失去一些優(yōu)勢，從而導致商業(yè)經濟的下降。我們所做的策略都是針對實時性的，而且今天互聯(lián)網用戶的需求更加實時化，比如說微博、團購、秒殺。

周俊凌：從IDC的數據統(tǒng)計報告來看，數據增長是非?？斓?。相對于具體的數據量，Teradata更關注數據發(fā)展的趨勢，并大量投入研究這種發(fā)展趨勢，包括BI方面的變化和增長模式，這個模式對于我們非常有價值，通過研究這種模式，包括每分鐘、每秒鐘交易量有多大等這些數據的發(fā)掘和建模，數據科學家進行研究和探討，把這些技術應用到生產系統(tǒng)里面，對企業(yè)發(fā)揮作用。

韓軼平：Yahoo!的主要云計算平臺Hadoop現在有34個集群，總數超過3萬臺機器，最大的集群是4000臺左右，總存儲容量超過100PB。這個數量級可以說并不大，主要原因在于我們最近將很多精力放在處理用戶隱私性和數據安全性上，因為按照歐盟的規(guī)定，Yahoo!不能存儲超過一年的數據，所以我們的應對措施就是：不保存原始數據，但做很深入的數據挖掘，挖掘出真正蘊含的有價值的信息，把這些信息保存下來。

杜韜：SAP作為企業(yè)級應用提供商，更關注客戶的數據量，而我們的客戶有許多數據密集型企業(yè)，比如電信、金融、政府、零售等，數據量級從幾個TB到數百TB。SAP在德國總部的數據中心有3萬臺服務器，數據量大概是15PB，主要為客戶提供服務。我們正在幫助客戶將內部應用遷移到我們的數據中心服務平臺，這也意味著越來越多的客戶數據會存在我們這兒。

面對如此海量的數據，您所在公司是怎樣進行存儲、處理、分析的？

杜韜：一方面在數據中心，我們使用了標準的虛擬化以及分布式存儲；另一方面，我們推出了內存計算技術，用以應對數據應用和分析的挑戰(zhàn)。傳統(tǒng)的架構存在很大的瓶頸，磁盤讀取是以毫秒，而內存讀取則是納秒。因此，我們將以前需要在應用層做的計算分析，比如預測分析或者大量運算，都放到內存里操作，從而實現性能提升，幫助用戶充分利用數據。

周俊凌：通過數據訪問頻率高低確認數據溫度，進行數據壓縮

韓軼平：對Yahoo!的情況，我想分三個部分來說明：數據采集、數據存儲和數據處理。
在數據采集方面，我們建立了一個遍布Yahoo!幾個數據中心、幾十萬臺機器的實時搜集數據系統(tǒng)，該系統(tǒng)特點是一個主干道負責把數據經過過濾、清理以后，進行整合，并且在高可靠性的情況下，把它放到Hadoop平臺。雖然相對來說精度很高、效果很好，但速度會慢一些。為了滿足威廉·張所說實時性的需求，還有一個旁路系統(tǒng)，旁路系統(tǒng)在秒級能夠把數據匯到主干道上，這是數據采集的部分。

在數據存儲方面，基本上以HDFS為核心。在數據處理方面，主要技術是Hadoop、MapReduce以及我們自己開發(fā)的Pig。目前，我們有超過一半數據處理引擎是用Pig完成的。

周俊凌：Teradata一直在持續(xù)創(chuàng)新傳統(tǒng)的企業(yè)級數據倉庫產品線，在對接大數據時代的同時，繼續(xù)傳統(tǒng)的BI領域，包括提高數據處理的能力，從而更容易適應大數據管理。例如，通過數據訪問頻率高低確認數據溫度，進行數據壓縮，適應大數據的分析要求，使數據管理更容易。

我們有適應超高規(guī)模數據容量要求的硬件平臺產品Teradata 1000，可以壓縮35PB的數據。特別適用一些結構性數據和非結構性數據的分析，同時開發(fā)了很多能夠進行數據統(tǒng)計和分析的軟件包，包括將Hadoop等架構整合到Teradata數據倉庫之中，可以基于目前的Teradata企業(yè)級數據倉庫接口使用。

我們提供基于云的架構，能夠使用Amazon EC2，為客戶提供安全的存儲產品，用來存儲公司防火墻以外的、存儲在云端的數據。我們剛剛收購了Aster Data公司，它有一些非常好的工具，適用于Hadoop、MapReduce的一些應用。

威廉·張：各互聯(lián)網企業(yè)在云計算技術方面的應用都差不多，比如說百度也用了Hadoop，我提幾個比較有特點的地方。
第一個是大搜索，即不僅是把網頁抓過來，建立極其龐大的索引，而且為了使數據做到準實時或者更快速的更新，進行一些優(yōu)化，比如根據地域分布和重要性分布，放在南方或者北方的機房里，主要還是根據數據應用制訂的策略。另外就是采用數據流技術。

第二個是機器學習算法。在科技領域里，機器學習以前更多的是對一臺服務器內存里的數據進行高復雜的計算，可能要跑很長時間。而在百度，機器學習應用于所有地方，比如判斷用戶需求，從用戶行為反饋中得到我們應該推薦什么樣的內容、匹配什么樣的廣告等，時效性非常高?？梢苑Q得上是增量型、大規(guī)模的機器學習方法。

此外，互聯(lián)網應用要繼續(xù)發(fā)展，最關鍵還是找到更有價值的數據，即不管數據來自何方，都要按照價值來決定如何處理它。

您怎樣看待層出不窮的NoSQL技術？

杜韜：我一直認為，存在的就是合理的，NoSQL的產生和演進也是因為我們現有的應用需求所導致。當前在大并發(fā)量、海量數據的高效讀寫等方面，對關系型數據庫提出了更高的要求，而NoSQL在這方面有獨特的價值和優(yōu)勢。

韓軼平：Yahoo!不保存原始數據，但做很深入的數據挖掘

當然，這并不是說NoSQL的出現就代表著關系型數據庫的世界末日，因為對于一些應用，特別是企業(yè)級應用，對于事務的一致性以及讀寫的實時性等各方面有很高的要求，而關系型數據庫在這些年的發(fā)展中積累了自己的優(yōu)勢。

因此，我很認同NoSQL是“Not Only SQL”的說法，相信在未來關系型數據庫和NoSQL會并存甚至是相互融合。

韓軼平：NoSQL是一個很寬泛的概念。在Yahoo!，雖然NoSQL說得不多，但用的NoSQL工具非常多，我們的Key-Value數據庫等各種各樣的系統(tǒng)，都屬于NoSQL框架。至于說NoSQL和SQL之間的關系，因為很多場合需要ACID，也就需要NoSQL的東西，而NoSQL之所以會出現，就像我經常說的“上帝是公平的”，當有一個需求出現時必須放棄另一個東西。我們的很多需求，比如大數據量、高分布性，當有了這些需求以后另一個需求可能成為新的瓶頸。事實上，對我們來說，互聯(lián)網行業(yè)在很多應用中并不需要一致性。當把需求放寬時，自然能夠滿足另一些需求。

怎樣挖掘數據中的價值？

威廉·張：我舉一個直觀的匹配廣告的例子，它包括兩類數據：一類是廣告庫，即廣告內容信息和廣告客戶信息，這類信息很適合于傳統(tǒng)數據庫；另一類信息是用戶看到廣告之后的一切行為，經歷了日積月累，可能會有幾百萬億的用戶行為。這兩種數據可以相結合，經過機器學習算法就能產生價值。顯然，第二種信息更重要，因為它能給用戶提供想要的信息，比如搜索一個詞，可以利用所有用戶在他之前、在他之后的群體智能、群體行為，判定哪一類的信息最重要、最優(yōu)質，哪一類信息可能是作弊信息，然后經過反饋機制，把最好的內容提供給用戶，甚至推薦相關的一些搜索、查詢信息。總而言之，對任何企業(yè)來說，數據是命根子；對云計算來說，數據處理就是云數據中心或者云計算存在的理由。

韓軼平：我們工作之余經常開玩笑說：從數據中能挖出的東西，不一定是錢，更重要的是用戶體驗，對互聯(lián)網公司來說，數據就是一切。Yahoo!不僅僅是搜索引擎，也有很多在美國各領域中排名第一的網站。我們做的很多工作，比如新聞網站信息，都是根據新聞的相關性和大家的興趣推薦的，我們希望根據每一個用戶自己的興趣，甚至每一個用戶此時此刻的興趣，進行推薦。Yahoo!新聞的推薦系統(tǒng)，是把Yahoo!所有的數據搜集起來，用戶在Yahoo!搜索上的所有行為都搜集到一起，做深度挖掘和個性化，對每一個用戶都進行分析和推薦，沒有這些數據我們不可能為客戶提供體驗，數據對我們來說就是一切。
杜韜：既然各位是從互聯(lián)網的角度來看數據的價值，那么我就從企業(yè)的角度來分享一下。

周俊凌：通過數據訪問頻率高低確認數據溫度，進行數據壓縮

智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多余電的時候還可以買回來。通過電網收集每隔五分鐘或十分鐘收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測后，就可以向發(fā)電或者供電企業(yè)購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測后，可以降低采購成本。

另一個例子更偏我個人的興趣。丹·布朗的《失落的秘符》一書講到，如果把很多人的精神集中在一個點，能夠移動物體。當然這個我們無從考證，但我們在網上搜索關鍵詞、敏感詞時，就可以判斷出某件事情的公眾態(tài)度。有一些新的業(yè)務模式，比如做一個網絡廣告投放評估公司，利用這樣的技術評估網絡廣告的效果，我覺得也許是未來的業(yè)務價值產生點。

海量數據時代對企業(yè)和技術人員帶來了哪些挑戰(zhàn)？怎樣看待海量數據的未來？

韓軼平：以前我們都說自己是軟件工程師，我們這個行業(yè)也經常被叫做軟件行業(yè)，但我認為我們是真正的Information Technology行業(yè)。對大多數人來說，現在最重要的一點是轉變觀念，從Code/Program觀念轉變成Data觀念，在做任何設計和開發(fā)時，要把Data放在第一位。

杜韜：海量數據一直在增長，但是我們應該想辦法控制下來，未來的趨勢應該放在怎樣縮小海量數據上，而不是任憑它擴張。此外，海量數據時代對中國來說是一次引領世界IT業(yè)的機會。

周俊凌：在云計算時代，業(yè)務數據與云緊密結合在一起，提供業(yè)務開發(fā)的能力，我們從中學到了很多新的東西，有一些東西不再是自己去存儲和開發(fā)，而是都放在云里面存儲。技術產品推向市場的方式與以往相比，發(fā)生了很大變化。云的這樣一種環(huán)境也給數據庫提供商帶來很多技術上的挑戰(zhàn)，例如如何保證存儲的安全性，包括身份識別的健全。這關系到數據的存儲地方，例如現在發(fā)貨的數據都是放在全球任何一個地方，不是放在某一個國家里面，這就帶來關于數據主權的問題，可能有一些國家和政府不允許把數據放在國家某些地方，這都是一些挑戰(zhàn)，需要從技術上解決安全等問題。

威廉·張：這里我淺談一下兩點感受。

首先，數據管理是DBA的一項重要本領，而高校的計算機專業(yè)教育里沒有特別重視數據程序員，并沒有數據管理員；其次，MapReduce并不是一個新概念，早在30~40年前當計算機能力還超小的時候，函數式編程語言就出現了，但至今大學里還沒有開設MapReduce或者類似數據處理的課程，也基本上沒有人聽過這些東西。

未來將所有人的生活經驗數據放在云里，這個大概可以實現，但如果解決不好數據安全性問題的話，那么距離最終的實現就會很遠。

我期待云計算變成云知識、云智能，而不僅僅是計算的工具。建立數據整合分享是云計算成功的必要和充分條件。

標簽：

杭州網站建設 ‍杭州網站制作 ‍杭州網站設計 杭州網站建設公司 杭州網站制作公司杭州網站設計公司 杭州精品網站建設 杭州精品網站設計 杭州精品網站設計公司 杭州精典網站設計 杭州精典網站建設 杭州精典網站設計公司 杭州精典網站制作 杭州精品網站制作