為大數(shù)據(jù)選擇新的硬件、存儲和其它數(shù)據(jù)中心基礎(chǔ)設(shè)施，這是IT專業(yè)人員們所面臨的新挑戰(zhàn)。

大數(shù)據(jù)是具備空前規(guī)模和形式的非結(jié)構(gòu)化信息。它包括視頻、圖像，以及半結(jié)構(gòu)化的數(shù)據(jù)(例如在Web上常見的電子郵件和文本)。隨著基于傳感器的移動Web監(jiān)視設(shè)備和輸出數(shù)據(jù)越來越多，可用的數(shù)據(jù)量將繼續(xù)呈指數(shù)級增長。

推行大數(shù)據(jù)戰(zhàn)略的壓力往往來自高層，因?yàn)楣芾碚呦嘈牛苡行н\(yùn)用數(shù)據(jù)的企業(yè)將比落后者具備更大優(yōu)勢。大數(shù)據(jù)戰(zhàn)略需要數(shù)據(jù)中心基礎(chǔ)架構(gòu)作出的改變主要有五點(diǎn)：

一、支持大數(shù)據(jù)的硬件

大數(shù)據(jù)導(dǎo)致的存儲需求量每年都將增長60%至80%，鑒于這種快速增長和當(dāng)前的成本限制，IT采購者應(yīng)選擇在可擴(kuò)展性和存儲速度上最具成本效益的硬件。類似大型機(jī)的向上擴(kuò)展體系結(jié)構(gòu)重新興起，因?yàn)樗鼈兡軌蚪?jīng)濟(jì)高效地?cái)U(kuò)展，降低總體擁有成本。同樣，在提升性能方面，固態(tài)硬盤(SSD)和固態(tài)卡帶都比傳統(tǒng)磁盤做得更好。

類似IBM Netezza和Oracle Exadata的硬件裝置已被證實(shí)能有效兼顧可擴(kuò)展性和性能。考慮采用硬件裝置來支持關(guān)鍵大數(shù)據(jù)業(yè)務(wù)，但也應(yīng)確認(rèn)設(shè)備的架構(gòu)能在未來提供快速性能升級。

二、圍繞大數(shù)據(jù)選擇存儲

在成功的大數(shù)據(jù)策略下，企業(yè)可以將來自內(nèi)部的高質(zhì)量數(shù)據(jù)與Hadoop挖掘自多個云供應(yīng)商的低質(zhì)量數(shù)據(jù)進(jìn)行整合。這也就改善了業(yè)務(wù)相關(guān)數(shù)據(jù)的質(zhì)量，讓分散在各地的數(shù)據(jù)能組織成為具備一致和及時(shí)性的大數(shù)據(jù)資源。

大數(shù)據(jù)正在改變中央數(shù)據(jù)倉儲和松耦合數(shù)據(jù)集市的決策基礎(chǔ)，后者的存儲庫規(guī)模要小得多，既可以替代中央數(shù)據(jù)倉庫，也可以成為中央數(shù)據(jù)倉庫的數(shù)據(jù)源。隨著各地辦事機(jī)構(gòu)或者國際子公司的增加，中央管理層在業(yè)務(wù)線擴(kuò)大的同時(shí)更需要高質(zhì)量的數(shù)據(jù)來維持管控力度，避免權(quán)力的分散。

新的軟件技術(shù)承擔(dān)了繁重的存儲相關(guān)處理工作。由Composite Software(剛剛被Cisco收購)和Denodo提供的數(shù)據(jù)虛擬化軟件能自動發(fā)現(xiàn)數(shù)據(jù)源并提取數(shù)據(jù)充實(shí)全局元數(shù)據(jù)存儲庫，為整個組織提供跨越內(nèi)部和外部的所有數(shù)據(jù)的公共數(shù)據(jù)庫外觀和體驗(yàn)。主數(shù)據(jù)管理軟件通過創(chuàng)建公用主記錄提高了數(shù)據(jù)質(zhì)量，消除了費(fèi)時(shí)的數(shù)據(jù)倉庫檢索。

企業(yè)Web外鏈需求加深了對公眾和混合云的依賴。許多大型企業(yè)發(fā)現(xiàn)他們需要來自于多個云供應(yīng)商的大數(shù)據(jù)，卻不能指望供云應(yīng)商會負(fù)責(zé)整合這些數(shù)據(jù)。企業(yè)只能從數(shù)據(jù)虛擬化供應(yīng)商尋求工具來跨多個云整合大數(shù)據(jù)。

三、利用SSD的存儲分層策略

存儲成本很高，而且越快的存儲也就越昂貴。最重要的是，大數(shù)據(jù)要求存儲同時(shí)提供大容量和“大”性能。存儲分層在存儲資源池中提供多種成本/性能選項(xiàng)，從昂貴的高性能固態(tài)存儲到傳統(tǒng)的串行SCSI(SAS)磁盤存儲，這些選項(xiàng)的組合降低了總擁有成本。在主內(nèi)存和磁盤之間增加一個固態(tài)層將有助于將大數(shù)據(jù)任務(wù)的性能維持在高位，而且不會引起存儲成本失控。

SSD的用量應(yīng)遵從“90-10”的存儲分層規(guī)則：成本和速度的最佳組合比例是：使用大約10%的SSD和90%的機(jī)械硬盤。這一策略讓IT公司用僅增加10%成本的代價(jià)就能獲得90%以上的性能提升。主內(nèi)存和SSD的容量比例也遵從同樣的規(guī)則。

由于SSD的性能價(jià)格比的提升速度超過傳統(tǒng)磁盤(容量提升，價(jià)格降低)，預(yù)計(jì)在不久的將來傳統(tǒng)磁盤和SSD的配置比例會變?yōu)樽裱?0-20的規(guī)則。

IBM BLU Acceleration這類最新的縱列和內(nèi)存數(shù)據(jù)庫設(shè)施能利用SSD獲得遠(yuǎn)超傳統(tǒng)磁盤的性能，它們的設(shè)計(jì)能夠有效發(fā)揮SSD這類“扁平化磁盤”的優(yōu)勢。

四、大數(shù)據(jù)分析和報(bào)告能力

雖然嵌入式分析工具已經(jīng)可以利用報(bào)告和自動優(yōu)化功能改善業(yè)務(wù)流程，但大數(shù)據(jù)再次改變了分析規(guī)則。例如，和傳統(tǒng)上對單個客戶進(jìn)行主要行為分析洞察相比，大數(shù)據(jù)戰(zhàn)略能為每個客戶創(chuàng)建一個迭代和洞察分析線程，讓公司能跟蹤客戶并更好地維持與所有客戶的長期關(guān)系。

典型的大數(shù)據(jù)分析從業(yè)人員被稱為數(shù)據(jù)科學(xué)家，和常規(guī)的IT主管不同，他們更可能同時(shí)擔(dān)任CMO(營銷總監(jiān))。然而，IT專業(yè)人員必須明白他們公司的大數(shù)據(jù)策略對數(shù)據(jù)科學(xué)家的工作產(chǎn)生的影響。

這意味著需要在自動化的報(bào)告和嵌入分析之外人工添加第三方審議內(nèi)容：專設(shè)和松散耦合分析。支持專設(shè)查詢的分析和統(tǒng)計(jì)工具是必要的軟件前提。許多傳統(tǒng)IT供應(yīng)商以及云供應(yīng)商——如IBM、Cognos和Birst——正在擴(kuò)充這些功能。

五、企業(yè)中的Hadoop

Hadoop為數(shù)據(jù)密集型應(yīng)用提供“緊貼著”MapReduce文件系統(tǒng)處理程序框架的分布式文件系統(tǒng)。此文件系統(tǒng)支持針對富文本數(shù)據(jù)的并行事務(wù)擴(kuò)展，例如社交媒體數(shù)據(jù)。

許多IT公司通過在企業(yè)內(nèi)創(chuàng)建自己的Hadoop版本來解決從Web獲取Hadoop數(shù)據(jù)源的問題。然而，缺乏專業(yè)知識是一種挑戰(zhàn)：精通這種發(fā)展中的Web數(shù)據(jù)管理框架的專業(yè)和藝術(shù)的IT管理人員猶如鳳毛麟角。

組織開發(fā)他們自己的數(shù)據(jù)管理工具時(shí)應(yīng)該留意，如IBM、Oracle和EMC的這些主要供應(yīng)商，往往既提供專有產(chǎn)品用于訪問Hadoop數(shù)據(jù)，也可進(jìn)行定制開發(fā)，讓IT公司不需要專門的數(shù)據(jù)歸納措施就能訪問需要的數(shù)據(jù)。如果您決定搭建自己的數(shù)據(jù)平臺，供應(yīng)商也提供整合服務(wù)，使Hadoop更貼合現(xiàn)有IT資源來高效運(yùn)作。

每個公司圍繞大數(shù)據(jù)的相關(guān)決策都會有所不同。請記住，隨著圍繞大數(shù)據(jù)的技術(shù)演變，大數(shù)據(jù)戰(zhàn)略也應(yīng)當(dāng)及時(shí)調(diào)整，與時(shí)俱進(jìn)。