大數(shù)據(jù)技術(shù)架構(gòu)詳解

　　大多數(shù)的技術(shù)突破來源于實(shí)際的產(chǎn)品需要，大數(shù)據(jù)最初誕生于谷歌的搜索引擎中。隨著web2.0時(shí)代的發(fā)展，互聯(lián)網(wǎng)上數(shù)據(jù)量呈獻(xiàn)爆炸式的增長，為了滿足信息搜索的需要，對大規(guī)模數(shù)據(jù)的存儲(chǔ)提出了非常強(qiáng)勁的需要?；诔杀镜目紤]，通過提升硬件來解決大批量數(shù)據(jù)的搜索越來越不切實(shí)際，于是谷歌提出了一種基于軟件的可靠文件存儲(chǔ)體系GFS，使用普通的PC機(jī)來并行支撐大規(guī)模的存儲(chǔ)。存進(jìn)去的數(shù)據(jù)是低價(jià)值的，只有對數(shù)據(jù)進(jìn)行過加工才能滿足實(shí)際的應(yīng)用需要，于是谷歌又創(chuàng)造了MapReduce這一計(jì)算模型，該模型能夠利用集群的力量將復(fù)雜的運(yùn)算拆分到每一臺(tái)普通PC上，計(jì)算完成后通過匯總得到最終的計(jì)算結(jié)果，這樣就能夠通過直接增加機(jī)器數(shù)量就獲得更好的運(yùn)算能力了。

　　有了GFS和MapReduce之后，文件的存儲(chǔ)和運(yùn)算得到了解決，這時(shí)候又出現(xiàn)了新的問題。GFS的隨機(jī)讀寫能力很差，而谷歌有需要一種來存放格式化數(shù)據(jù)的數(shù)據(jù)庫，原本通過單機(jī)的數(shù)據(jù)庫就能解決的問題到了谷歌那里就悲劇了，于是神器的谷歌就又開發(fā)了一套BigTable系統(tǒng)，利用GFS的文件存儲(chǔ)系統(tǒng)外加一個(gè)分布式的鎖管理系統(tǒng)Chubby就設(shè)計(jì)出來了BigTable這樣一個(gè)列式的數(shù)據(jù)庫系統(tǒng)。

　　在谷歌完成了上述的系統(tǒng)后，就把其中的思想作為論文發(fā)布出來了，基于這些論文，出現(xiàn)了一個(gè)用JAVA寫的類GFS開源項(xiàng)目Hadoop，最開始hadoop的贊助人是yahoo，后來這個(gè)項(xiàng)目成了Apche的頂級項(xiàng)目。

　　谷歌的那一套系統(tǒng)是閉源的，開源的Hadoop于是就廣泛傳播開來了。

　　和谷歌那套系統(tǒng)類似，Hadoop的最核心的存儲(chǔ)層叫做HDFS，全稱是Hadoop文件存儲(chǔ)系統(tǒng)，有了存儲(chǔ)系統(tǒng)還要有分析系統(tǒng)，于是就有了開源版本的MapReduce，類似的參照BigTable就有了Hbase。一開源之后整個(gè)系統(tǒng)用的人就多了，于是大家都像要各種各樣的特性。facebook的那些人覺得mapreduce程序太難寫，于是就開發(fā)了Hive，Hive就是一套能把SQL語句轉(zhuǎn)成Mapreduce的工具，有了這套工具只要你會(huì)SQL就可以來Hadoop上寫mapreduce程序分析數(shù)據(jù)了。對了，參考chubby，我們有了開源的ZooKeeper來作為分布式鎖服務(wù)的提供者。

　　由于Hadoop最開始設(shè)計(jì)是用來跑文件的，對于數(shù)據(jù)的批處理來說這沒什么問題，有一天突然大家想要一個(gè)實(shí)時(shí)的查詢服務(wù)，數(shù)據(jù)這么大，要滿足實(shí)時(shí)查詢首先要拋開的是mapreduce，因?yàn)樗娴暮寐?008年的時(shí)候一家叫Cloudera的公司出現(xiàn)了，他們的目標(biāo)是要做hadoop界的redhat，把各種外圍系統(tǒng)打包進(jìn)去組成一個(gè)完整的生態(tài)系統(tǒng)，后來他們開發(fā)出來了impala，impala的速度比mapreduce在實(shí)時(shí)分析上的效率有了幾十倍的提升，后來hadoop的創(chuàng)始人Doug CutTIng也加入了cloudera。這時(shí)候?qū)W院派也開始發(fā)力了，加州大學(xué)伯克利分校開發(fā)出來了Spark來做實(shí)時(shí)查詢處理，剛開始Spark的語法好詭異，后來慢慢出現(xiàn)了Shark項(xiàng)目，漸漸的使得Spark向SQL語法靠近。

　　時(shí)代的發(fā)展決定了未來幾乎就要變成數(shù)據(jù)的時(shí)代了，在這樣的一個(gè)時(shí)代，大數(shù)據(jù)的需求越來越深，摒棄過去的抽樣調(diào)查，改為全量的統(tǒng)計(jì)分析，從一些原本無意義的數(shù)據(jù)中挖掘價(jià)值。當(dāng)前大數(shù)據(jù)已經(jīng)開始逐漸服務(wù)于我們的生活，搜索、科學(xué)、用戶分析。。。

　　為了進(jìn)一步提供大數(shù)據(jù)的分析能力，內(nèi)存計(jì)算的概念在未來還會(huì)持續(xù)很長的時(shí)間，通過內(nèi)存計(jì)算，摒棄磁盤IO對性能的天花板作用，將運(yùn)算的結(jié)果以實(shí)時(shí)的方式呈獻(xiàn)在我們面前。

　　大數(shù)據(jù)數(shù)量龐大，格式多樣化。大量數(shù)據(jù)由家庭、制造工廠和辦公場所的各種設(shè)備、互聯(lián)網(wǎng)事務(wù)交易、社交網(wǎng)絡(luò)的活動(dòng)、自動(dòng)化傳感器、移動(dòng)設(shè)備以及科研儀器等生成。它的爆炸式增長已超出了傳統(tǒng)IT基礎(chǔ)架構(gòu)的處理能力，給企業(yè)和社會(huì)帶來嚴(yán)峻的數(shù)據(jù)管理問題。因此必須開發(fā)新的數(shù)據(jù)架構(gòu)，圍繞“數(shù)據(jù)收集、數(shù)據(jù)管理、數(shù)據(jù)分析、知識(shí)形成、智慧行動(dòng)”的全過程，開發(fā)使用這些數(shù)據(jù)，釋放出更多數(shù)據(jù)的隱藏價(jià)值。