大数据拥抱云计算：让数据升华为智慧

数据怎么样才能对人有用?人们整天都在讨论，其实数据本身并不是有用的，必须要经过一定的处理。例如你每天跑步带个手环收集的也是数据，网上这么多网站也是数据，简称为Data，数据本身并没有什么作用，但是数据里面包含一些很重要的东西，叫做信息(Information)，数据杂乱无章，只有经过了梳理和清洗，才能够称为信息。信息里面包含了很多规律，我们需要从众多信息中将规律总结出来，才能称为知识，知识才能改变命运。

信息是很多的，但是很多人看到了信息相当于白看，但是有人就能从信息中看到了电商的未来，有人看到了直播的未来，所以人家就牛了，如果没有从信息中提取出知识，天天只知道刷朋友圈，也只能在如今互联网滚滚大潮中做个看客。有了知识，然后利用这些知识去应用于实践，有的人就会做得非常好，这个东西叫做智慧Intelligence。有知识并不一定有智慧，很多学者很有知识，已经发生的事情可以从各个角度分析的头头是道，但一到实践就歇菜，并不能转化成为真正的智慧。而很多的创业家之所以伟大，就是通过获得的知识应用于实践，最后做成了很大的生意。

1. 数据如何升华为智慧

数据的处理分五个步骤，全部完成了才最后才会升华智慧。

第一个步骤：数据的收集。首先得有数据，数据的收集有两个方式，第一个方式是拿(Pull)，专业点的叫爬取或者抓取，常见的搜索引擎就是这么干的，它把网上的信息都下载到它的，然后被你搜索出来。 比如你去搜索的时候，返回的是一个列表，这个列表为什么会在搜索引擎的公司里面呢，就是因为他把这个数据都爬下来了，但是你一点链接，点出来这个网站就不在搜索引擎它们公司了。比如说搜狐有个新闻，你拿百度搜出来，你不点的时候，那一页在百度数据中心，一点出来的网页就跳转到搜狐的数据中心了。另外一个方式就是推送，有很多终端可以帮我收集数据，比如说智能手环，可以将你每天跑步的数据，血压的数据，心跳的数据都上传到数据中心里面。

第二个步骤是数据的传输。常见的会通过队列方式进行，数据量实在是太大了，数据必须经过处理才会有用，但是系统处理不过来，只好排排队，一条条地处理。

第三个步骤是数据的存储。现在数据就是Money，掌握了数据就相当于掌握了金钱。要不然你看购物网站怎么知道你想买什么呢?就是因为它有你历史的交易信息，然后通过这个信息分析出你的购物习惯。

第四个步骤是数据的处理和分析。上面存储的数据是原始数据，原始数据多是杂乱的，还有很多垃圾数据，因而需要清洗和过滤。对于整理过的数据，就可以进行分析，从而对数据进行归类，或者发现数据之间的相互关系。比如著名的啤酒和纸尿布的故事，就是通过对人们的购买数据进行比对分析，发现了男人在买尿布的时候，会同时想要购买啤酒，这样就发现了啤酒和尿布之间的对应关系，掌握了规律，然后应用到实践中，将啤酒和尿布的柜台放到一起，这就是一种智慧。

第五个步骤就是对于数据的检索和挖掘。检索就是搜索，俗话说外事不决问谷歌，内事不决问百度。两大搜索引擎都是将分析归纳后的数据放入搜索引擎，从而方便人们找到想要的信息。还有一个就是挖掘，搜索出来的信息还需要从中挖掘出相互的关系。例如财经检索，当搜索某个公司股票的时候，该公司的管理层是不是也应该被挖掘出来?如果仅仅搜索出这个公司的股票涨的特别好，你就去买了，结果第二天就跌了，这不坑人么?所以通过各种算法挖掘数据中的关系，形成知识数据库，十分重要

2. 大数据拥抱

数据分析是一项很有意思的技术，其功能就是帮我们梳理数据，存储信息，并从信息中总结规律。当数据量很小的时候，几台机器就能分析并解决问题。但是，慢慢的当数据量越来越大，大到最强的超级计算机都解决不了问题的时候，该怎么办呢?这时就要聚合多台机器的力量，也就是使用云计算的力量。

对于数据的收集，以物联网为例，外面部署这成千上亿的检测设备，将大量的温度，湿度，PH值，PM2.5等等数据统统收集上来，对于网页的搜索引擎来讲，需要将整个互联网所有的网页都下载下来，这显然一台服务器做不到，需要多台服务器组成分布式系统，每台机器下载一部分，同时工作，才能在有限的时间内，将海量的网页下载完毕。

对于数据的传输，一个内存里面的队列肯定会被大量的数据挤爆，于是就产生了基于存储系统的分布式队列，这样的队列可以多台服务器同时传输，随你数据量多大，只要我的队伍足够多，队列足够粗，就能够撑得住。

对于数据的存储也是一样，一台服务器的文件系统肯定是放不下了，那我们就做一个很大的分布式文件系统来做这件事情，把多台机器的硬盘打成一块大的文件系统。

再比如数据的分析，可能需要对大量的数据做分类，统计，聚合，一台服务器肯定搞不定，处理几百年也分析不完，于是就有了分布式计算的方法，将大量的数据分成小份，每台服务器处理一小份，多台服务器并行处理，很快就能算完。例如著名的Terasort对1个TB的数据排序，相当于1024G，如果单机处理，怎么也要几个小时，但是并行处理只需要几十秒就完成了。

所以说大数据平台，什么叫做大数据，说白了就是一台机器干不完，大家一起干。随着数据量越来越大，很多公司都需要处理相当多的数据，没有这么多机器可怎么办呢?

说到这里，就想起云计算的好处了吧，真的是想什么时候要，就什么时候要，想要多少就要多少。例如大数据分析企业的财务情况，可能一个月分析一次，如果要把这一百台服务器或者一千台服务器都在那摆着，一个月用一次吧，非常浪费。那能不能需要计算的时候，把这一千台服务器拿出来用，然后不用的时候，这一千台机器可以去干别的事情。谁能做这个事儿呢?只有云计算服务商(比如文中提到的易迈云)，能够为大数据的运算提供资源层面的灵活性。而云计算服务商也会部署大数据放到它的PaaS平台上，作为一个非常重要的通用应用。因为大数据平台能够使得多台机器一起干一个事儿，这个东西不是一般人或团队能开发出来的，怎么也得雇个几十上百号专业人才能把这个玩起来，所以说就像数据库一样，其实还是需要有一帮专业的人来玩这个东西。现在服务商(像易迈云)就提出了相应的大数据解决方案了，一个小公司需要大数据平台的时候，不需要采购一千台，只要到易迈云的官网上一点，这一千台机器都出来了，并且上面已经部署好了的大数据平台，只要把数据放进去算就可以了。

所以说，云计算需要大数据，大数据需要云计算，两个技术就这样结合了

时间:2019-03-26 18:58  来源:    转发量:次