大数据一般人听着比较复杂,觉得可能需要很大成本来部署和实施。幸运地是市面上已经有一些云服务来帮助我们让大数据变得更简单。另外,如果你选择合适的开源工具,也往往会使你的大数据之路起到事半功倍的效果。下面会列出实用并且较低成本的大数据实施系统,供参考。

请注意本文不讨论实时或者流数据处理,如果你在寻找那些方面的解决方案,为了节省你的时间,我们建议你忽略本文。

在选择据具体大数据工具之前,你好回答两个问题:

1.你的数据有多大?

2.你希望你的数据查询要多快?

第一个问题决定你需要什么样的大数据存储系统,第二个问题决定你需要什么样的查询或者执行引擎。下面是基于对这两个问题的不同回答,推荐采用的一些工具。

1.超大数据(几百TB),查询时间容忍度很高(几小时)

这个是批处理(batch processing)适用的场景。一个可行的方案是:AWS S3 + Apache Spark.你可以执行Spark 任务,读取S3中的数据,然后将计算结果存成CSV 文件,最后用Excel 分析或者可视化结果。

2.中等规模数据(几十TB),希望查询快速响应(几秒钟)

这个通常是交互式查询适用的场景。一个可行的方案是:AWS Redshift + Tableau. Redshift提供低延迟查询处理,Tableau 提供很好的数据可视化功能,二者结合起来可以轻松的分析大量数据,只是需要一定的成本。需要提醒的是,你好提前规划好Redshift集群的规模和容量,减少随机动态调整,因为在Redshift中,扩展集群(scale up or scale out )是个比较痛苦的过程。

3.中等规模数据(几十TB),一定的查询响应容忍度(几分钟),低成本

这个场景适用于预算有限的情况,或者你不想在AWS Redshift和Tableau 上投入太多。你将需要对大数据比较了解的开发人员,从而可以自己搭建企业内部的大数据集群。一个可行的解决方案是:Apache Cassandra + Presto Query Engine + H2 Console(from H2 Database Engine )。

Cassandra 提供高可靠性大数据存储系统,并且比较容易部署。Presto提供分布式SQL 执行引擎,可以运行在Cassandra 之上,并提供JDBC支持。H2 Console是一个简单但是有效的Web 界面,用来查询JDBC数据源。利用这些工具组合,你不需要任何编程工作,就可以在企业内部搭建起一个端到端大数据解决方案。

综上,你可以看到,根据不同的大数据需求,可以选择不同的工具组合。希望本文可以帮助你快速进入大数据领域。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2023-08-24 09:38:00
大数据资讯 关注县域数据能力建设,抢占产数业务发展先机
2023年《数字中国建设整体布局规划》正式发布,数据能力已成为我国区域发展的底座和创新引擎。 <详情>
2023-03-30 11:15:07
云资讯 分布式时代已至,数据如何更有价值?
无论是连通各大集群内大型超大型数据中心,还是连接边缘侧小型、边缘数据中心,分布式云计算都已成为这张算力网络最重要的支撑。在此背景下,云计算步入分布式时代。 <详情>
2023-03-01 19:27:00
市场情报 FlagOpen大模型技术开源体系,开启大模型时代“新Linux”生态
大数据+大算力+强算法=大模型”是当前人工智能发展的主要技术路径。语言大模型ChatGPT成为现象级应用,人工智能进入普及应用的新时期。 <详情>
2023-01-09 09:36:46
大数据资讯 我国互联网广告数据匿名实施服务正式上线
《指南》形成的“技术保障、评估规制、过程控制”的互信制衡机制,适用于各类互联网广告业务,包括广告投放、程序化交易、广告监测等应用场景下的数据匿名化处理。 <详情>
2022-12-30 10:10:19
大数据资讯 中国移动磐维数据库正式发布
未来,随着数据库功能和稳定性等进一步增强,磐维数据库将在中国移动内外部的广泛应用中积累更多复杂业务场景实践经验,进一步提升数据库产品的核心技术能力,助力数智化转 <详情>