大数据云的数据交换共享平台架构探索(上)

、和人工智能的融合成为市场追逐的技术热点。云计算作为底层为上层大数据处理提供支撑，加速应用开发与服务创新；另一方面，应用的丰富激发数据体量增长，人工智能技术落地实现，构成Artificial Intelligence + Big Data + Cloud的大数据行业发展趋势。

该趋势下，各个厂商都在寻求更好的ABC技术共建方式，以解决传统大数据平台的一些常见问题：

①数据孤岛问题

传统方式建设企业系统时，不同部门或团队通常会构建独立的数据库，导致的问题有：同一份数据存在于多个业务系统内且内容不一致，缺少统一的数据标准、数据管理流程及可靠的管理工具，出现质量问题时往往无法有效追溯并修正。

②烟囱开发问题

“烟囱”式架构是传统企业系统开发的弊病，不同团队独立建设、独立开发服务和应用，带来安全、运维、升级、部署等通用功能的重复开发和投入问题，这种开发的低复用率带来了巨大资源的浪费，难以形成技术合力，也不利于团队间的研发管控和质量提升。

③技术门槛问题

大数据和AI的应用与运维十分昂贵，无论是对于平台建设、团队建设还是业务探索而言都会带来不小的开销。将数据服务化、资产化、在线化，以方便客户、技术开发人员和数据科学家使用，降低技术门槛是当务之急。

以上问题得到广泛重视，许多企业（特别是跨地域多级别的大规模组织）都希望引入好用有效的数据管理与应用开发一体化平台，实现高质量数据交换共享服务。

时间:2018-09-11 13:11  来源:    转发量:次