三種優化方式讓你的數據分析如虎添翼

每年，數據技術企業需要管理的數據量和數據類型正在不斷攀升。我們平時所謂的大數據，包括了從社交網站的博文、音頻和圖像到成交記錄、傳感器信息數據和視頻的的每一種信息，這些數據正在不斷的增長。根據IDC，數據正在以每年40%的速度增長，并且在接下來的十年當中，這個增長速度仍將持續。

企業們正掙扎于如何有效地收集和儲存快速增長的數據問題中。但是真正能讓企業從數據中獲利的辦法就是分析那些能夠改進產品質量、加快決策制定、提高消費者滿意度以及優化商業流程的方法。根據戴爾的調查報告顯示，那些采用大數據技術提案的企業當中，有89%的企業在公司的決策制定中顯現出卓越的提升。來自于麥肯錫全球研究機構的數據顯示，那些在企業內部大規模采用數據分析技術的零售商可以將他們的經營利潤提高到60%以上，而那些采用數據分析技術的醫療機構可以將自己的經營成本降低8個百分點。

若想獲取這樣的利益，需要企業建立具有可擴展性、靈活性以及節省成本的IT基礎設施。但是企業也可以利用傳統的IT技術架構來滿足對于數據分析的擴展性要求，但是不久之后企業就會發現，他們在追求數據分析所帶來的價值和滿足大量數據分析要求的道路上，將會因為IT系統的性能讓數據分析量受到限制。所有的這些都讓企業傳統的IT架構深陷圇圄之中——不僅對于系統的數據存儲量有要求，還對處理能力和網絡帶寬有嚴苛的要求。

其中最大的問題就是傳統的IT系統架構需要把數據量縮小成先管的數據庫格式，這種格式的大小、速度以及數據處理的規模都是有限的?！澳忝媾R的后果就是不得不丟掉這些數據或者任由他老化，因為相關的數據庫僅僅能夠處理這些容量的數據，這意味著你只能對所有數據的子集進行分析處理?！眮碜訲aneja Group的一位高級分析師說。

融合式基礎架構系統為我們提供了很多有效地進行大數據分析所需的資源，包括處理Hadoop的能力以及大規模存儲能力。如果想讓融合式基礎架構系統實現大數據的分析，需要以下三種能力：

Hadoop

Hadoop是分布式計算的開源軟件，對于大數據分析至關重要。他無疑是解決快速增長的數據處理、存儲以及分析問題的不二之選。

“Hadoop的生態系統可以讓你保存你所有的原始數據，因為你可以通過更多的本地磁盤增加更多的數據節點來擴展你的系統，” Matchett解釋說?！耙虼?，如果你有一個分析任務需要花費4小時的話，那么當你將數據量從100千兆字節變成200千兆字節的話，系統仍舊可以用4小時完成分析?！?/span>

存儲

大量的數據就需要有相應大容量的存儲能力，并且數據存儲正快速不斷的擴張，所以這要要求我們盡可能建立一個可以不斷擴容的數據存儲系統架構。但是一些融合式基礎架構系統仍舊使用傳統方式的儲存陣列。伴隨著更多快閃記憶體陣列的激增，Matchett強調了使用具有擴展儲存方案的融合性基礎架構的重要性。

數據處理環境的優化

和傳統的架構相比，融合性基礎架構總體上可以提供相對更便捷和更快速的擴展性能，性能優越的環境對于大數據分析而言可以讓你的運算能力與儲存能力互補干擾?！袄硐氲臓顟B就是讓數據的計算與數據的存儲相互獨立進行?！?br />