大数据平台开源实施的难点

开源大数据技术是一种新一代技术和构架，它以成本较低、以快速的采集、处理和分析技术，从各种超大规模的数据中提取价值。大数据技术不断涌现和发展，让我们处理海量数据更加容易、更加便宜和迅速，成为分析和挖掘海量数据价值的一个利器，甚至可以改变许多行业的商业模式。

庞大的开源大数据技术体系，使得大数据平台在实施和使用的过程中遇到很多难点，Think Big团队总结了在开源大数据平台设施的整个过程及花费的时间，如下图所示：

1、大数据平台的优化和运维

大数据平台的优化和运维应该是开源大数据平台实施的难点、也是构建大数据平台对人员的技术和经验要求最高的阶段，贯穿整个大数据平台实施过程。

2、大数据平台的数据整合、数据治理和数据湖

对于传统的企业使用大数据平台，数据整合、数据治理和数据湖也是非常重要和比较困难的阶段，全公司不同数据源之间的数据整合面临：数据的一致性、数据的完整性、数据的准确性、数据的安全等问题如何解决，当然还有不同数据(如：冷数据、温数据和热数据)怎么来存放，进而实现高效的数据存储和分析。这些都是我们在大数据实施过程中需要花很多时间和经验来实现的，很多的公司基本上都在直接或间接的使用大数据技术，有可能感觉大数据整合、治理、数据湖没有那么重要，把功能实现了，就觉得把大数据平台用的非常好了，其实不然，就像我上面提到的那张图，功能的实现只占大数据平台实施的一小部分。

3、大数据平台上面的数据建模

由于大数据平台面临数据的一致性、数据的完整性、数据的准确性等问题所以导致大数据平台上面的建模变得比较困难，此外还有不同行业面临的大数据平台建模问题各不相同。传统行业在大数据上面的建模面临的挑战还是非常多的，有的模型甚至不适合在开源大数据平台上面建模，不要一味的去和互联行业大数据平台上面的应用做比较，因为，互联网的业务比传统的业务模型简单很多。

4、数据挖掘和算法的实现

大数据平台的数据挖掘技术有Hadoop的Mahout、Spark的Mllib、SparkR等，这个现有的挖掘库存在很多问题，如：分布式计算。对整个团队的人员要求非常的高。

5、应用开发(类似于传统EDW的BI功能)

类似于在Hadoop上面实现一个传统的EDW的功能，常见用的比较多的就是SQL on Hadoop技术，如：Hive、Impala、Tez、Presto、Kylin、SparkSQL等。

6、大数据平台的选择和搭建

主要是Apache Hadoop、Hortonworks HDP和Cloudera CDH的选择，Apache Hadoop是纯开源的，Hortonworks HDP是开源Hadoop生态系统的管理，Cloudera CDH是开源Hadoop生态系统的增强。

推荐阅读文章

年薪40+W的大数据开发【教程】，都在这儿！

大数据零基础快速入门教程

Java基础教程

Elasticsearch教程

Hadoop教程

HBase教程

Hive教程

Kafka教程

Spark教程

linux教程

大数据平台开源实施的难点相关推荐

领导驾驶舱大数据平台的实施流程
如今的大数据时代,管理者都喜欢引入一款领导驾驶舱大数据平台到日常管理中,让工作更有效率.领导驾驶舱的理念已经非常流行也深受喜爱.但是,工具用不好,发挥不了作用,依旧是徒劳无功的事情.那领导驾驶舱大数据 ...
从0到1搭建大数据平台之监控
大家好,我是脚丫先生 (o^^o) 大数据平台设计中,监控系统尤为重要. 它时刻关乎大数据开发人员的幸福感. 试想如果半夜三更,被电话吵醒解决集群故障问题,那是多么的痛苦!!! 但是不加班是不可能的, ...
典型工业企业大数据平台解决方案(含数据治理)
一.总体思路当前,工业企业产生的数据日与俱增,如何利用大数据为企业产生驱动力.竞争力成为工业企业面临的重要问题.工业企业大数据平台建设的总体思路是将现有PLC.MES.ERP.CRM.SRM.SCM ...
开源大数据平台的安全实践
开源大数据平台的安全实践刘杰百度(中国)有限公司,北京 100085 摘要:开源大数据平台的安全机制目前并不特别完善,特别是用户认证.日志审计等方案还存在不少问题.分析了开源大数据平台存在的安全隐 ...
开源技术、开放使用、业务导向的大数据平台，助力银行数字化转型
随着技术的高速迭代,金融科技企业早已不再是简单的金融+互联网模式,而是在大数据.人工智能和云计算加持之下逐渐进入下半场. 飞贷金融科技作为国内首家覆盖业务全流程.运营全体系的移动信贷整体技术服务商,通 ...
Uber 是如何低成本构建开源大数据平台的？
随着 Uber 业务的扩张,为公司业务提供支持的基础数据池也在飞速膨胀,其处理成本水涨船高.当大数据成为我们最大的运维支出项目之一后,我们启动了一项降低数据平台成本的计划.该计划将问题分解为三大分支: ...
GitHub开源比Hadoop快至少10倍的物联网大数据平台
TDengine是一个开源的专为物联网.车联网.工业互联网.IT运维等设计和优化的大数据平台.除核心的快10倍以上的时序数据库功能外,还提供缓存.数据订阅.流式计算等功能,最大程度减少研发和运维的工作 ...
比Hadoop快至少10倍的物联网大数据平台，我把它开源了
作者 | 陶建辉转载自爱倒腾的程序员(ID: taosdata) 导读:7月12日,涛思数据的TDengine物联网大数据平台宣布正式开源.涛思数据希望尽最大努力打造开发者社区,维护这个开源的商业模 ...
基于Hadoop的大数据平台实施记——整体架构设计[转]
http://blog.csdn.net/jacktan/article/details/9200979 大数据的热度在持续的升温,继云计算之后大数据成为又一大众所追捧的新星.我们暂不去讨论大数据到底 ...

大数据平台开源实施的难点

大数据平台开源实施的难点相关推荐

最新文章

热门文章