京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据云计算正在改变数据库技术
将数据存储在云中绝不是在云计算刚刚兴起时就广受企业欢迎的。这一概念的安全性和兼容性问题已经远远超过了其数据存储分享功能,而且,将数据从企业内部部署的设施迁移到云并不是一件很容易的事。但对于某些数据密集型应用程序而言,租用云架构似乎越来越多的成为企业选择的方案。
云数据库可能很难同与之相关的应用程序隔离,这反过来又常常使其被淹没在了大量分布式系统中。但根据市场研究公司MarketsAndMarkets的估计,今年云数据库和DBaaS市场将达到10.7亿美元,到2019年将增长至140.5亿美元。
分析公司IDC称,75%到80%的新的云应用程序将属于“大数据密集型的。“考虑到电子商务交易产生了如此众多的新数据,以及其他Web应用程序涉及的大量数据,这一现实也就不难接受了。而这其中,移动应用的增长是最为突出的。
使用案例
根据SearchDataManagement最近的调研报告就体现了新的云架构中的数据管理方法:其冒险的远离了熟悉的企业应用程序范围,并在许多情况下,利用了新兴的NoSQL和NewSQL数据库类型。比如:
●一个在线库存管理操作采用NewSQL数据库处理不同的且不断变化的客户要求。
●应用程序性能监控服务在亚马逊网络服务云使用NoSQL软件,从超过八亿台移动设备上采集实时操作数据。
●一家营销数据服务公司发现其需要内存中的NoSQL技术管理每月一兆的涉及在线广告的交易数据。
●另一家市场分析公司采用NoSQL数据库服务增加了一个SQL启用数据仓库,以便能够在云中查询Web帮助和社交媒体数据。
阻碍数据在云中管理的最大的因素之一是物理学。“围绕大数据和云计算的挑战是你企业需要迁移多少数据,以及从何处迁移。”IBM的高级副总裁和软件集团执行官史提夫·米尔斯在2013年的一个供应商需求信息新闻发布会上表示。
尽管曾经数据在云平台中管理和使用有着重重的限制,但现在其已经扩大到几乎能够兼容任何类型的应用程序工作了,根据米尔斯介绍。关于“垂直模型的获得”仍然是一个问题,他说,但他暗示,相关的建模的工作正在进行中。
同时,随着越来越多的数据在云形成,使得将这些数据就存储在云中而不是迁移的企业内部终端系统变得更容易。
云的前景报告
虽然有时人们似乎认为大数据云计算是初创型网络企业的唯一选择,但这一趋势对于传统企业而言,也是如此。企业大规模转移到云的时机仍不明朗,但这一举措正在进行中。例如,我们就已经从一家金融服务巨头富达投资的技术主管那听到这样的论断。
史蒂芬·拜尔,富达投资公司架构副总裁表示,其所在的公司将以合理的速度迁移,而云和大数据融合的最终将是非常强大的。他作为与会代表去年十一月在Xconomy公司在波士顿举行的数据管理的未来论坛上发言说。
“云计算只是为数据爆炸创造了机会。”拜尔说。他同时指出,还有许多工作要做。他说,现在的重点是在私有云和混合、公共和私有云的变种方面,但他认为,企业不愿在公共云上部署数据密集型应用程序的趋势将衰退。
“公共云显然会在我们未来的生活中扮演相当重要的一个角色。”他说。“企业关键任务的应用程序将继续在企业内部运行相当长一段时间,但我不认为其会存在5年或10年这样长的时间。”
大量将数据迁移到云中的工作都需要重新思考这些数据架构成长的基本前提。在拜尔看来,企业“过于沉迷于关系数据库。”云数据库服务将开始充分发挥其潜力,是时候需要进行改变了。
尽管典型的初创型网络企业可能存在一定程度的狂热,对于一般传统企业将数据向云计算迁移的前进步伐将继续。而云数据库和服务提供商们也将推出某些功能满足传统企业的某些特殊要求。云计算的原始初衷是基于大规模可重复的生产,而这一初衷也将不得不改变。
最终,在房地产市场的回落,企业是否建立,购买或租用数据库的思考将充分建立在对于功能需求和价格计算的综合考虑方面,然后估计其能够给企业带来的潜在价值,进而决定最适合企业的数据管理方式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12