Hadoop是大数据应用落地难的罪魁祸首?
作者:互联网
为什么大数据应用落地难?很大一部分原因在于Hadoop,用户对于开源总有兴趣亲自尝试一下。但无论Map Reduce,还是YARN都不是那么简单易用,数据建模就像一座山,横亘在用户的前面,让应用不容易落地。
大数据落地难,业内对此广有共识。“我们在全球有7900家用户,在亚太有1000家以上的用户,在中国有150家用户,这些用户的应用都是落地的。” Splunk 中国区销售总监侯海龙说。
为什么大数据应用落地难?
很大一部分原因在于Hadoop,用户对于开源总有兴趣亲自尝试一下。但无论Map/Reduce,还是YARN都不是那么简单易用,数据建模就像一座山,横亘在用户的前面,让应用不容易落地。对于互联网企业,由于人才上的优势,尚有能力克服困难,但对于行业/企业等商用用户来说,技术上的瓶颈不是那么容易跨越的。
Splunk北亚区经理麦永光指出,很多行业/企业用户对于大数据非常重视,他们会首先成立一个大数据的部门,研究大数据应用。他表示,在这种情况下,应用常常难以落地。Splunk大数据的角度有所不同,不是从大数据入手,而是从用户面临的问题着手,用Splunk大数据的方式解决问题。
“国内对大数据的认识,还是停留在数据大的初级阶段。” 侯海龙说。
根据介绍,大数据应用和数据从哪里来、数据大小、格式等没有太多的关心。大数据的重点应该集中在给需要数据的人,提供重要的可见度,快速找到答案。在过去的30年,人们一直使用关系型数据库,采用SQL进行检索和查找;但随着大数据应用的模式,新的分布式数据库的数据组织模式替代了关系型数据库,搜索引擎技术取代了SQL,从而让数据分析和使用的能力有了非常大的进步。
数据分析走出关系型数据库阶段
通过对机器大数据地分析,人们可以迅速定位故障,从而减少MTTR(Mean Time To Restoration, 平均恢复前时间)时间;提高系统的在线时间和能力;整合工具;通过数据分析驱动创新,同时也可以使用数据服务商业用户。通过机器大数据分析,可以增强用户对于业务的实时洞察力,从而让系统管理从被动走向主动应对。
大数据应用给我们带来了什么
据了解,Splunk提供了专业的数据存储和处理方式,通过检索手段,用户就可以对数据之间的关联性进行挖掘和探索。用户不需要建模,也不需要关心Map/Reduce,检索让用户直接上手,查找数据,发觉数据背后所蕴藏的价值。
大数据分析让维护从被动到主动
大数据其实很简单,关键是要找到好的工具,运用工具挖掘数据的价值;价值在于数据,而不是工具本身。侯海龙表示,国内大数据应用急需走出初级应用阶段,需要走出对技术关注,将注意力集中在数据上,让数据产生价值。
看不懂的机器大数据潜藏价值
强力推荐阅读文章
标签:数据分析,落地,用户,Hadoop,应用,Splunk,数据,罪魁祸首 来源: https://blog.csdn.net/tttttt012/article/details/91471487