大數據一般人聽著比較復雜，覺得可能需要很大成本來部署和實施。幸運地是市面上已經有一些云服務來幫助我們讓大數據變得更簡單。另外，如果你選擇合適的開源工具，也往往會使你的大數據之路起到事半功倍的效果。下面會列出實用并且較低成本的大數據實施系統，供參考。

請注意本文不討論實時或者流數據處理，如果你在尋找那些方面的解決方案，為了節省你的時間，我們建議你忽略本文。

在選擇據具體大數據工具之前，你最好回答兩個問題：

1. 你的數據有多大?

2. 你希望你的數據查詢要多快?

第一個問題決定你需要什么樣的大數據存儲系統，第二個問題決定你需要什么樣的查詢或者執行引擎。下面是基于對這兩個問題的不同回答，推薦采用的一些工具。

1. 超大數據(幾百TB)，查詢時間容忍度很高(幾小時)

這個是批處理(batch processing)適用的場景。一個可行的方案是：AWS S3 + Apache Spark。你可以執行Spark任務，讀取S3中的數據，然后將計算結果存成CSV文件，最后用Excel分析或者可視化結果。

2. 中等規模數據(幾十TB)，希望查詢快速響應(幾秒鐘)

這個通常是交互式查詢適用的場景。一個可行的方案是：AWS Redshift + Tableau。 Redshift提供低延遲查詢處理，Tableau提供很好的數據可視化功能，二者結合起來可以輕松的分析大量數據，只是需要一定的成本。需要提醒的是，你最好提前規劃好Redshift集群的規模和容量，減少隨機動態調整， 因為在Redshift中，擴展集群(scale up or scale out)是個比較痛苦的過程。

3. 中等規模數據(幾十TB)，一定的查詢響應容忍度(幾分鐘)，低成本

這個場景適用于預算有限的情況，或者你不想在AWS Redshift和Tableau上投入太多。你將需要對大數據比較了解的開發人員，從而可以自己搭建企業內部的大數據集群。一個可行的解決方案是：Apache Cassandra + Presto Query Engine + H2 Console (from H2 Database Engine)。

Cassandra提供高可靠性大數據存儲系統，并且比較容易部署。Presto提供分布式SQL執行引擎，可以運行在Cassandra之上，并提供JDBC支持。H2 Console是一個簡單但是有效的Web界面，用來查詢JDBC數據源。利用這些工具組合，你不需要任何編程工作，就可以在企業內部搭建起一個端到端大數據解決方案。

綜上，你可以看到，根據不同的大數據需求，可以選擇不同的工具組合。希望本文可以幫助你快速進入大數據領域。如有任何問題或者反饋，歡迎聯系作者本人([email protected])。