大資料和雲計算二者的區別

雖然上面的一句話解釋不是非常的貼切，但是可以幫助你簡單的理解二者的區別。另外，如果做乙個更形象的解釋，雲計算相當於我們的計算機和作業系統，將大量的硬體資源虛擬化之後再進行分配使用，在雲計算領域目前的老大應該算是amazon，可以說為雲計算提供了商業化的標準，另外值得關注的還有vmware（其實從這一點可以幫助你理解雲計算和虛擬化的關係），開源的雲平台最有活力的就是openstack了；

大資料相當於海量資料的「資料庫」，而且通觀大資料領域的發展也能看出，當前的大資料處理一直在向著近似於傳統資料庫體驗的方向發展，hadoop的產生使我們能夠用普通機器建立穩定的處理tb級資料的集群，把傳統而昂貴的平行計算等概念一下就拉到了我們的面前，但是其不適合資料分析人員使用（因為mapreduce開發複雜），所以piglatin和hive出現了（分別是yahoo！和facebook發起的專案，說到這補充一下，在大資料領域google、facebook、twitter等前沿的網際網路公司作出了很積極和強大的貢獻），為我們帶來了類sql的操作，到這裡操作方式像sql了，但是處理效率很慢，絕對和傳統的資料庫的處理效率有天壤之別，所以人們又在想怎樣在大資料處理上不只是操作方式類sql，而處理速度也能「類sql」，google為我們帶來了dremel/powerdrill等技術，cloudera（hadoop商業化最強的公司，hadoop之父cutting就在這裡負責技術領導）的impala也出現了。

整體來看，未來的趨勢是，雲計算作為計算資源的底層，支撐著上層的大資料處理，而大資料的發展趨勢是，實時互動式的查詢效率和分析能力，借用google一篇技術**中的話，「動一下滑鼠就可以在秒級操作pb級別的資料」難道不讓人興奮嗎？

在談大資料的時候，首先談到的就是大資料的4v特性，即型別複雜，海量，快速和價值。ibm原來談大資料的時候談3v，沒有價值這個v。而實際我們來看4v更加恰當，價值才是大資料問題解決的最終目標，其它3v都是為價值目標服務。在有了4v的概念後，就很容易簡化的來理解大資料的核心，即大資料的總體架構包括三層，資料儲存，資料處理和資料分析。型別複雜和海量由資料儲存層解決，快速和時效性要求由資料處理層解決，價值由資料分析層解決。

資料先要通過儲存層儲存下來，然後根據資料需求和目標來建立相應的資料模型和資料分析指標體系對資料進行分析產生價值。而中間的時效性又通過中間資料處理層提供的強大的平行計算和分布式計算能力來完成。三層相互配合，讓大資料最終產生價值。

資料儲存層

資料處理層核心解決問題在於資料儲存出現分布式後帶來的資料處理上的複雜度，海量儲存後帶來了資料處理上的時效性要求，這些都是資料處理層要解決的問題。

在傳統的雲相關技術架構上，可以將hive，pig和hadoop-mapreduce框架相關的技術內容全部劃入到資料處理層的能力。原來我思考的是將hive劃入到資料分析層能力不合適，因為hive重點還是在真正處理下的複雜查詢的拆分，查詢結果的重新聚合，而mapreduce本身又實現真正的分布式處理能力。

mapreduce只是實現了乙個分布式計算的框架和邏輯，而真正的分析需求的拆分，分析結果的彙總和合併還是需要hive層的能力整合。最終的目的很簡單，即支援分布式架構下的時效性要求。

資料分析層

最後回到分析層，分析層重點是真正挖掘大資料的價值所在，而價值的挖掘核心又在於資料分析和挖掘。那麼資料分析層核心仍然在於傳統的bi分析的內容。包括資料的維度分析，資料的切片，資料的上鑽和下鑽，cube等。

資料分析我只關注兩個內容，乙個就是傳統資料倉儲下的資料建模，在該資料模型下需要支援上面各種分析方法和分析策略；其次是根據業務目標和業務需求建立的kpi指標體系，對應指標體系的分析模型和分析方法。解決這兩個問題基本解決資料分析的問題。

傳統的bi分析通過大量的etl資料抽取和集中化，形成乙個完整的資料倉儲，而基於大資料的bi分析，可能並沒有乙個集中化的資料倉儲，或者將資料倉儲本身也是分布式的了，bi分析的基本方法和思路並沒有變化，但是落地到執行的資料儲存和資料處理方法卻發生了大變化。