我們都聽(tīng)過(guò)這個(gè)預(yù)測(cè)：到2020年，電子數(shù)據(jù)存儲(chǔ)量將在2009年的基礎(chǔ)上增加44倍，達(dá)到35萬(wàn)億GB。根據(jù)IDC數(shù)據(jù)顯示，截止到2010年，這個(gè)數(shù)字已經(jīng)達(dá)到了120萬(wàn)PB，或1.2ZB。如果把所有這些數(shù)據(jù)都存入DVD光盤(pán)，光盤(pán)高度將等同于從地球到月球的一個(gè)來(lái)回也就是大約 480,000英里。

　　對(duì)于那些喜歡杞人憂(yōu)天的人來(lái)說(shuō)，這是數(shù)據(jù)存儲(chǔ)的末日即將到來(lái)的不祥預(yù)兆。而對(duì)于機(jī)會(huì)主義者們而言，這就好比是個(gè)信息金礦，隨著技術(shù)的進(jìn)步，金礦開(kāi)采會(huì)變得越來(lái)越容易。

　　走進(jìn)大數(shù)據(jù)，一種新興的數(shù)據(jù)挖掘技術(shù)，它正在讓數(shù)據(jù)處理和分析變得更便宜更快速。大數(shù)據(jù)技術(shù)一旦進(jìn)入超級(jí)計(jì)算時(shí)代，很快便可應(yīng)用于普通企業(yè)，在遍地開(kāi)花的過(guò)程中，它將改變?cè)S多行業(yè)業(yè)務(wù)經(jīng)營(yíng)的模式。

　　在計(jì)算機(jī)世界里，大數(shù)據(jù)被定義為一種使用非傳統(tǒng)的數(shù)據(jù)過(guò)濾工具，對(duì)大量有序或無(wú)序數(shù)據(jù)集合進(jìn)行的挖掘過(guò)程，它包括但不僅限于分布式計(jì)算(Hadoop)。

　　大數(shù)據(jù)已經(jīng)站在了數(shù)據(jù)存儲(chǔ)宣傳的風(fēng)口浪尖，也存在著大量不確定因素，這點(diǎn)上非常像“云”。我們請(qǐng)教了一些分析人士和大數(shù)據(jù)愛(ài)好者，請(qǐng)他們解釋一下大數(shù)據(jù)究竟是什么，以及它對(duì)于未來(lái)數(shù)據(jù)存儲(chǔ)的意義。

　　大數(shù)據(jù)走進(jìn)歷史舞臺(tái)

　　適用于企業(yè)的大數(shù)據(jù)已經(jīng)出現(xiàn)，這在部分程度上要?dú)w功于計(jì)算能耗的降低以及系統(tǒng)已具備執(zhí)行多重處理的能力這樣一個(gè)事實(shí)。而且隨著主存儲(chǔ)器成本的不斷下降，和過(guò)去相比，公司可以將更多的數(shù)據(jù)存到存儲(chǔ)器中。并且，將多臺(tái)計(jì)算機(jī)連到服務(wù)器集群也變得更容易了。這三個(gè)變化加在一起成就了大數(shù)據(jù)，IDC 數(shù)據(jù)庫(kù)管理分析師Carl Olofson如是說(shuō)。

　　“我們不僅要把這些事情做好，還要能承受得起相應(yīng)的開(kāi)支”，他說(shuō)。 “過(guò)去的某些超級(jí)計(jì)算機(jī)也具有執(zhí)行系統(tǒng)多重處理的能力，(這些系統(tǒng)緊密相連，形成了一個(gè)集群)但因?yàn)橐褂脤?zhuān)門(mén)的硬件，它的成本高達(dá)幾十萬(wàn)美元甚至更多。”現(xiàn)在我們可以使用普通硬件完成相同的配置。正因?yàn)檫@樣，我們能更快更省得處理更多數(shù)據(jù)。"

　　大數(shù)據(jù)技術(shù)還沒(méi)有在有大型數(shù)據(jù)倉(cāng)庫(kù)的公司中得到廣泛普及。IDC認(rèn)為，想讓大數(shù)據(jù)技術(shù)得到認(rèn)可，首先技術(shù)本身一定要足夠便宜，然后，必須滿(mǎn)足IBM稱(chēng)之為3V標(biāo)準(zhǔn)中的2V，即：類(lèi)型(variety)，量(volume)和速度(velocity)。

　　種類(lèi)要求指的是待存儲(chǔ)數(shù)據(jù)的類(lèi)型分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。量是指存儲(chǔ)和分析的數(shù)據(jù)量可以很龐大。 “數(shù)據(jù)量不只是幾百TB，”

　　Olofson說(shuō)： “要視具體情況而定，因?yàn)樗俣群蜁r(shí)間的關(guān)系，有時(shí)幾百GB可能就算很多了。如果我現(xiàn)在一秒能完成過(guò)去要花一小時(shí)才能完成的300GB的數(shù)據(jù)分析，那結(jié)果將大為不同。大數(shù)據(jù)就是這樣一種技術(shù)，它可以滿(mǎn)足這三個(gè)要求中的至少兩個(gè)，并且普通企業(yè)也能夠部署。”

　　關(guān)于大數(shù)據(jù)的三大誤解

　　對(duì)于大數(shù)據(jù)是什么以及大數(shù)據(jù)能干什么存在很多誤會(huì)。下面就是有關(guān)大數(shù)據(jù)的三個(gè)誤解：

　　1、關(guān)系數(shù)據(jù)庫(kù)無(wú)法大幅增容，因此不能被認(rèn)為是大數(shù)據(jù)技術(shù)(不對(duì))

　　2、無(wú)需考慮工作負(fù)載或具體使用情況，Hadoop或以此類(lèi)推的任何MapReduce都是大數(shù)據(jù)的最佳選擇。(也不對(duì))

　　3、圖解式管理系統(tǒng)時(shí)代已經(jīng)結(jié)束。圖解的發(fā)展只會(huì)成為大數(shù)據(jù)應(yīng)用的攔路虎。(可笑的錯(cuò)誤)

　　大數(shù)據(jù)與開(kāi)源的關(guān)系

　　“很多人認(rèn)為Hadoop和大數(shù)據(jù)基本上是一個(gè)意思。這是錯(cuò)誤的，”Olofson說(shuō)。并解釋道： Teradata, MySQL和“智能聚合技術(shù)”的某些安裝啟用都用不到Hadoop，但它們也可以被認(rèn)為是大數(shù)據(jù)。

　　Hadoop是一種用于大數(shù)據(jù)的應(yīng)用程序，因?yàn)樗墙⒃贛apReduce基礎(chǔ)上的，所以引起了極大的關(guān)注。(MapReduce是一種用于超級(jí)計(jì)算的普通方法，之后經(jīng)過(guò)了主要由Google資助的一個(gè)項(xiàng)目的優(yōu)化，因此被簡(jiǎn)化并變得考究了。) Hadoop是幾個(gè)緊密關(guān)聯(lián)的Apache項(xiàng)目組成的混合體的主要安裝啟用程序，其中包括MapReduce環(huán)境中的HBase數(shù)據(jù)庫(kù)。

　　為了充分利用Hadoop和類(lèi)似的先進(jìn)技術(shù)，軟件開(kāi)發(fā)商們絞盡腦汁研發(fā)出了各種各樣的技術(shù)，其中很多都是在開(kāi)源社區(qū)里開(kāi)發(fā)出來(lái)的。

　　Olofson 說(shuō)“他們已經(jīng)開(kāi)發(fā)出了大量的所謂noSQL數(shù)據(jù)庫(kù)，種類(lèi)之多讓人眼花繚亂，其中大部分都是鍵值配對(duì)數(shù)據(jù)庫(kù)，能利用多種技術(shù)對(duì)性能或種類(lèi)或容量進(jìn)行優(yōu)化。”

　　開(kāi)源技術(shù)還沒(méi)有得到商業(yè)支持。“所以在這方面還需要經(jīng)過(guò)一段時(shí)間的發(fā)展完善，這一過(guò)程可能需要幾年。基于這個(gè)原因，大數(shù)據(jù)可能需要一些時(shí)日才能在市場(chǎng)上走向成熟”他補(bǔ)充道。

　　據(jù)IDC預(yù)計(jì)，年內(nèi)至少有三家商業(yè)公司能以某種方式給予Hadoop支持。同時(shí)，包括Datameer 在內(nèi)的幾家企業(yè)將發(fā)布配有Hadoop組件的分析工具，這種工具能幫助企業(yè)開(kāi)發(fā)自己的應(yīng)用程序。Cloudera和Tableau公司的產(chǎn)品清單里已經(jīng)出現(xiàn)了Hadoop。