文章

大数据拥抱云计算:让数据升华为智慧

2019-03-29佚名

788阅
数据怎么样才能对人有用?人们整天都在讨论大数据,其实数据本身并不是有用的,必须要经过一定的处理。

    数据怎么样才能对人有用?人们整天都在讨论大数据,其实数据本身并不是有用的,必须要经过一定的处理。例如你每天跑步带个手环收集的也是数据,网上这么多网站也是数据,简称为Data,数据本身并没有什么作用,但是数据里面包含一些很重要的东西,叫做信息(Information),数据杂乱无章,只有经过了梳理和清洗,才能够称为信息。信息里面包含了很多规律,我们需要从众多信息中将规律总结出来,才能称为知识,知识才能改变命运。

    信息是很多的,但是很多人看到了信息相当于白看,但是有人就能从信息中看到了电商的未来,有人看到了直播的未来,所以人家就牛了,如果没有从信息中提取出知识,天天只知道刷朋友圈,也只能在如今互联网滚滚大潮中做个看客。有了知识,然后利用这些知识去应用于实践,有的人就会做得非常好,这个东西叫做智慧Intelligence。有知识并不一定有智慧,很多学者很有知识,已经发生的事情可以从各个角度分析的头头是道,但一到实践就歇菜,并不能转化成为真正的智慧。而很多的创业家之所以伟大,就是通过获得的知识应用于实践,最后做成了很大的生意。

1.数据如何升华为智慧

    数据的处理分五个步骤,全部完成了才最后才会升华智慧。

    第一个步骤:数据的收集。首先得有数据,数据的收集有两个方式,第一个方式是拿(Pull),专业点的叫爬取或者抓取,常见的搜索引擎就是这么干的,它把网上的信息都下载到它的数据中心,然后被你搜索出来。比如你去搜索的时候,返回的是一个列表,这个列表为什么会在搜索引擎的公司里面呢,就是因为他把这个数据都爬下来了,但是你一点链接,点出来这个网站就不在搜索引擎它们公司了。比如说搜狐有个新闻,你拿百度搜出来,你不点的时候,那一页在百度数据中心,一点出来的网页就跳转到搜狐的数据中心了。另外一个方式就是推送,有很多终端可以帮我收集数据,比如说智能手环,可以将你每天跑步的数据,血压的数据,心跳的数据都上传到数据中心里面。

    第二个步骤是数据的传输。常见的会通过队列方式进行,数据量实在是太大了,数据必须经过处理才会有用,但是系统处理不过来,只好排排队,一条条地处理。

    第三个步骤是数据的存储。现在数据就是Money,掌握了数据就相当于掌握了金钱。要不然你看购物网站怎么知道你想买什么呢?就是因为它有你历史的交易信息,然后通过这个信息分析出你的购物习惯。

    第四个步骤是数据的处理和分析。上面存储的数据是原始数据,原始数据多是杂乱的,还有很多垃圾数据,因而需要清洗和过滤。对于整理过的数据,就可以进行分析,从而对数据进行归类,或者发现数据之间的相互关系。比如著名的啤酒和纸尿布的故事,就是通过对人们的购买数据进行比对分析,发现了男人在买尿布的时候,会同时想要购买啤酒,这样就发现了啤酒和尿布之间的对应关系,掌握了规律,然后应用到实践中,将啤酒和尿布的柜台放到一起,这就是一种智慧。

    第五个步骤就是对于数据的检索和挖掘。检索就是搜索,俗话说外事不决问谷歌,内事不决问百度。两大搜索引擎都是将分析归纳后的数据放入搜索引擎,从而方便人们找到想要的信息。还有一个就是挖掘,搜索出来的信息还需要从中挖掘出相互的关系。例如财经检索,当搜索某个公司股票的时候,该公司的管理层是不是也应该被挖掘出来?如果仅仅搜索出这个公司的股票涨的特别好,你就去买了,结果第二天就跌了,这不坑人么?所以通过各种算法挖掘数据中的关系,形成知识数据库,十分重要。

2.大数据拥抱云计算

    数据分析是一项很有意思的技术,其功能就是帮我们梳理数据,存储信息,并从信息中总结规律。当数据量很小的时候,几台机器就能分析并解决问题。但是,慢慢的当数据量越来越大,大到最强的超级计算机都解决不了问题的时候,该怎么办呢?这时就要聚合多台机器的力量,也就是使用云计算的力量。

    对于数据的收集,以物联网为例,外面部署这成千上亿的检测设备,将大量的温度,湿度,PH值,PM2.5等等数据统统收集上来,对于网页的搜索引擎来讲,需要将整个互联网所有的网页都下载下来,这显然一台服务器做不到,需要多台服务器组成分布式系统,每台机器下载一部分,同时工作,才能在有限的时间内,将海量的网页下载完毕。

    对于数据的传输,一个内存里面的队列肯定会被大量的数据挤爆,于是就产生了基于存储系统的分布式队列,这样的队列可以多台服务器同时传输,随你数据量多大,只要我的队伍足够多,队列足够粗,就能够撑得住。

    对于数据的存储也是一样,一台服务器的文件系统肯定是放不下了,那我们就做一个很大的分布式文件系统来做这件事情,把多台机器的硬盘打成一块大的文件系统。

    再比如数据的分析,可能需要对大量的数据做分类,统计,聚合,一台服务器肯定搞不定,处理几百年也分析不完,于是就有了分布式计算的方法,将大量的数据分成小份,每台服务器处理一小份,多台服务器并行处理,很快就能算完。例如著名的Terasort对1个TB的数据排序,相当于1024G,如果单机处理,怎么也要几个小时,但是并行处理只需要几十秒就完成了。

    所以说大数据平台,什么叫做大数据,说白了就是一台机器干不完,大家一起干。随着数据量越来越大,很多公司都需要处理相当多的数据,没有这么多机器可怎么办呢?

    说到这里,就想起云计算的好处了吧,真的是想什么时候要,就什么时候要,想要多少就要多少。例如大数据分析企业的财务情况,可能一个月分析一次,如果要把这一百台服务器或者一千台服务器都在那摆着,一个月用一次吧,非常浪费。那能不能需要计算的时候,把这一千台服务器拿出来用,然后不用的时候,这一千台机器可以去干别的事情。谁能做这个事儿呢?只有云计算服务商(比如文中提到的易迈云),能够为大数据的运算提供资源层面的灵活性。而云计算服务商也会部署大数据放到它的PaaS平台上,作为一个非常重要的通用应用。因为大数据平台能够使得多台机器一起干一个事儿,这个东西不是一般人或团队能开发出来的,怎么也得雇个几十上百号专业人才能把这个玩起来,所以说就像数据库一样,其实还是需要有一帮专业的人来玩这个东西。现在公有云服务商(像易迈云)就提出了相应的大数据解决方案了,一个小公司需要大数据平台的时候,不需要采购一千台云主机,只要到易迈云的官网上一点,这一千台机器都出来了,并且上面已经部署好了的大数据平台,只要把数据放进去算就可以了。

    所以说,云计算需要大数据,大数据需要云计算,两个技术就这样结合了。

责任编辑:程玥
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (0)
请您登录/注册后再评论