本刊記者│張鵬

Hadoop如何應(yīng)對混合云框架下的大數(shù)據(jù)分析

本刊記者│張鵬

雖然混合云的存在符合企業(yè)市場的客觀發(fā)展規(guī)律，但卻給大數(shù)據(jù)分析帶來了不小挑戰(zhàn)，如何在混合云框架下進(jìn)行大數(shù)據(jù)的挖掘分析成為了業(yè)界新難題。

向云遷移與大數(shù)據(jù)分析可能是2016年全球首席信息官的頭等大事。調(diào)查顯示，全世界大約90%的數(shù)據(jù)都產(chǎn)生在過去10年中，互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)革命的影響不斷滲透到世界的各個(gè)角落，最早收益的就是IT和互聯(lián)網(wǎng)公司，但從近幾年的發(fā)展趨勢看，傳統(tǒng)產(chǎn)業(yè)IT轉(zhuǎn)型速度加快，包括電信、醫(yī)療、制造、保險(xiǎn)等，企業(yè)管理者試圖通過IT轉(zhuǎn)型捕捉關(guān)鍵數(shù)據(jù)，由此產(chǎn)生更多的盈利能力和商業(yè)洞察。

Gartner在2015年2月公布了一份題為“各行各業(yè)云部署相似性多于差異性”的研究報(bào)告：預(yù)測到2018年末的近4年中，公有云IT支出的年復(fù)合增長率為18%。這也進(jìn)一步證明，云IT支出遠(yuǎn)遠(yuǎn)超過平均IT支出，而且這種趨勢沒有任何減速跡象。Ovum分析師Tony Baer也表示，云是下一波Hadoop大量采用之處?！皩Ｓ迷O(shè)備和云部署將推動(dòng)下一波Hadoop和大數(shù)據(jù)分析的大量采用?！?/p>

中國市場也不例外，國內(nèi)企業(yè)在經(jīng)歷了近20年的商業(yè)化運(yùn)行之后，已經(jīng)深切體會(huì)到了信息化對于企業(yè)運(yùn)營的重要性，在云時(shí)代，目前已經(jīng)有大量企業(yè)前赴后繼地?fù)肀г朴?jì)算，從最開始的資源池、私有云到現(xiàn)階段逐漸接受以BAT為主導(dǎo)的公有云服務(wù)，由此也形成了“混合云”這一市場局面，企業(yè)主們通常將核心生產(chǎn)業(yè)務(wù)存放于私有云，將需要大量計(jì)算能力和資源空間的非核心業(yè)務(wù)上傳至公有云，業(yè)界普遍認(rèn)為，混合云將是中國IT市場的新常態(tài)，并將長期存在。

混合云引發(fā)大數(shù)據(jù)新難題

雖然混合云的存在符合企業(yè)市場客觀發(fā)展規(guī)律，但卻給大數(shù)據(jù)分析帶來了不小挑戰(zhàn)，如何在混合云框架下進(jìn)行大數(shù)據(jù)的挖掘分析成為了業(yè)界的新難題。

一家國內(nèi)咨詢公司的CTO對通信世界全媒體記者表示：雖然企業(yè)入云是趨勢，但目前的公有云還存在很多不足，當(dāng)數(shù)據(jù)量較大時(shí)，缺陷就暴露出來了——效率低下，當(dāng)月活躍數(shù)據(jù)超過1億后，查詢時(shí)間過長，影響業(yè)務(wù)時(shí)效性；單位成本高；IO瓶頸明顯，與線下集群相比，即便是高配置下的公有云性能還是相差甚多；防護(hù)策略少，大量數(shù)據(jù)存儲(chǔ)于云端，數(shù)據(jù)安全防護(hù)薄弱，很容易受到網(wǎng)絡(luò)攻擊。

也就是說，企業(yè)需要為可能長期存在的混合云架構(gòu)，設(shè)定更加合理的大數(shù)據(jù)分析策略。目前，業(yè)界基于大數(shù)據(jù)的應(yīng)用開發(fā)大多基于Hadoop的開源平臺(tái)。對于目前以開源社區(qū)模式茁壯成長起來的Hadoop平臺(tái)，由于一直采用開源、開放的原則，近幾年得到迅速發(fā)展，但更多的IT工程師認(rèn)為，對于大數(shù)據(jù)而言，開源Hadoop僅是一塊“敲門磚”，如果需要實(shí)現(xiàn)更加完善的功能，顯然還需要更多的技術(shù)能力，或者說更深層次的產(chǎn)品開發(fā)。

IT企業(yè)挖掘企業(yè)跨云新商機(jī)

很多IT企業(yè)都從中看到了商機(jī)，一系列商業(yè)解決方案也不斷面市。比如“IT大鱷”微軟公司，從智能云Azure，到大數(shù)據(jù)智能的SQL Server 2016，再到混合云Windows Server 2016，以及最新推出的數(shù)據(jù)可視化PowerBI，微軟正在踐行云計(jì)算、大數(shù)據(jù)、商業(yè)智能的發(fā)展思路。

在近期召開的微軟技術(shù)大會(huì)上，微軟公司執(zhí)行副總裁，全球銷售、市場營銷和業(yè)務(wù)運(yùn)營總裁讓·菲力浦·古德華（Jean-Philippe Courtois）就表示：“全球86%的CEO相信，未來5年內(nèi)，數(shù)字技術(shù)將是驅(qū)動(dòng)企業(yè)轉(zhuǎn)型的首要?jiǎng)恿ΑＴ朴?jì)算、大數(shù)據(jù)、人工智能，這些引領(lǐng)變革的技術(shù)趨勢超越了傳統(tǒng)IT的范疇，正在推動(dòng)企業(yè)核心業(yè)務(wù)的轉(zhuǎn)型和創(chuàng)新?！?/p>

目前，Azure公有云已經(jīng)覆蓋了全球38個(gè)區(qū)域；全球“財(cái)富500強(qiáng)”企業(yè)中，有85%的企業(yè)采用了微軟云服務(wù)。在微軟亞太研發(fā)集團(tuán)首席運(yùn)營官、微軟亞太科技有限公司董事總經(jīng)理、微軟中國云計(jì)算與企業(yè)事業(yè)部總經(jīng)理申元慶看來，公有云平臺(tái)應(yīng)具備全面的解決方案能力，無論是公有云、私有云、混合云架構(gòu)，還是企業(yè)級云服務(wù)、大數(shù)據(jù)分析、人工智能、物聯(lián)網(wǎng)、開發(fā)工具和移動(dòng)應(yīng)用等，應(yīng)該滿足企業(yè)的各類業(yè)務(wù)需求。

選擇跨云實(shí)施大數(shù)據(jù)的3個(gè)原因

Novantas是一家美國銀行領(lǐng)域的解決方案和咨詢服務(wù)提供商，其CTO Kaushik Deka表示，他們每天都在AWS上處理成千上萬的關(guān)鍵事物，通過為銀行客戶提供洞察力而獲得業(yè)務(wù)方面的增長，數(shù)據(jù)可以在公有云環(huán)境下做到靈活部署和調(diào)用，但一部分銀行客戶對數(shù)據(jù)的安全性等級有較高要求，因此他們不能將數(shù)據(jù)遷移到公有云平臺(tái)上，因此必須搭建適合混合云架構(gòu)的大數(shù)據(jù)平臺(tái)。

事實(shí)上，與Novantas擁有相同業(yè)務(wù)需求的企業(yè)并不在少數(shù)，總結(jié)而言，企業(yè)跨云處理大數(shù)據(jù)通常包括以下3點(diǎn)原因：

● 降低采購、配置和維護(hù)運(yùn)行大數(shù)據(jù)應(yīng)用所需的客戶端硬件的成本；

● 增強(qiáng)數(shù)據(jù)工程師和數(shù)據(jù)分析師通過自助服務(wù)配置解決業(yè)務(wù)問題的能力；

● 實(shí)現(xiàn)向云遷移的戰(zhàn)略目標(biāo)，減小公司自有數(shù)據(jù)中心的規(guī)模。

基于以上市場訴求，從事大數(shù)據(jù)分析與挖掘服務(wù)提供商Cloudera公司的聯(lián)合創(chuàng)始人、首席戰(zhàn)略官M(fèi)ike Olson也表示，混合云架構(gòu)下的大數(shù)據(jù)分析，需要企業(yè)級的大數(shù)據(jù)平臺(tái)能夠處理任何種類的大數(shù)據(jù)工作負(fù)載，無論工作負(fù)載是臨時(shí)性的還是長久性的，都能夠處理成批作業(yè)以支持建立數(shù)據(jù)采集管道，或支持先進(jìn)的SQL分析和復(fù)雜事件處理。這才是跨云而生的大數(shù)據(jù)分析能力。

運(yùn)營商大數(shù)據(jù)不止于Hadoop

電信研究院的大數(shù)據(jù)專家告訴記者，電信領(lǐng)域的大數(shù)據(jù)應(yīng)用場景近年來也在不斷增多，總體而言可以分為兩種，首先是舊平臺(tái)遷移，傳統(tǒng)經(jīng)分系統(tǒng)多承載于類似Oracle、IBM的數(shù)據(jù)庫中，伴隨數(shù)據(jù)量的逐漸增大，以及設(shè)備擴(kuò)容所帶來的成本壓力，一些運(yùn)營商會(huì)考慮將經(jīng)分系統(tǒng)逐漸遷移至開源的大數(shù)據(jù)平臺(tái)上；其次是新業(yè)務(wù)，物聯(lián)網(wǎng)是電信行業(yè)全新的市場領(lǐng)域，物與物之間的全新通信方式將帶來海量的連接數(shù)據(jù)，面對這部分?jǐn)?shù)據(jù)壓力，運(yùn)營商更多選擇用開源平臺(tái)來承載。

據(jù)悉，目前國內(nèi)運(yùn)營商均已分別建立了開源的大數(shù)據(jù)平臺(tái)，這其中以中國聯(lián)通最為積極和完善，盡管最初采用的都是免費(fèi)的Hadoop版本，但隨著系統(tǒng)升級和能力擴(kuò)展，運(yùn)營商也在引入大數(shù)據(jù)領(lǐng)域的合作伙伴以及采用Hadoop商用版本。

其原因在于，伴隨Hadoop平臺(tái)上的組件越來越多，運(yùn)營商需要投入更多人力和精力去維護(hù)這些組件，這很可能會(huì)加重運(yùn)營商的IT負(fù)擔(dān)，如果找本土軟件商進(jìn)行二次開發(fā)，由于貢獻(xiàn)代碼無法返回開源社區(qū)形成標(biāo)準(zhǔn)，很容易陷入無法正常升級的尷尬境地，因此在針對擴(kuò)展性、安全性、生產(chǎn)就緒性等方面的考量時(shí)，更多客戶選擇了商用版本。

公有云提供商率先做出市場反應(yīng)

在多云和混合云架構(gòu)下，越來越多的公司希望在客戶端運(yùn)行某些工作負(fù)載，在云中運(yùn)行另一些工作負(fù)載，這么做也許是為了擴(kuò)大規(guī)模、執(zhí)行開發(fā)和測試任務(wù)或者滿足服務(wù)級別協(xié)議及行業(yè)監(jiān)管要求。更重要的是，企業(yè)更不希望將數(shù)據(jù)鎖定到特定云服務(wù)中，以降低風(fēng)險(xiǎn)。

由此，諸如微軟、亞馬遜等國際公有云服務(wù)商率先推出了混合云架構(gòu)下的大數(shù)據(jù)分析能力。

微軟最近面向用PowerBI Desktop建立報(bào)告的Microsoft Azure客戶推出了新的Impala預(yù)覽版連接器。這些客戶可以利用Impala的速度優(yōu)勢，將大量類型不同、數(shù)量不等的數(shù)據(jù)置于數(shù)據(jù)分析狀態(tài)顯示板中，供任意數(shù)量用戶訪問。微軟公司總經(jīng)理Jeana Jorgensen表示：“Azure客戶認(rèn)識到，云中大數(shù)據(jù)分析可能對其業(yè)務(wù)產(chǎn)生重要影響?！?/p>

A m a z o n也聯(lián)合C l o u d e r a針對A ma zon S 3等云原生對象存儲(chǔ)運(yùn)行Apache Impala。這意味著，客戶現(xiàn)在可以針對Amazon S3中的數(shù)據(jù)運(yùn)行高性能SQL分析和BI工作負(fù)載，而不必轉(zhuǎn)換這些數(shù)據(jù)，或在AWS上將這些數(shù)據(jù)移動(dòng)到另一個(gè)位置。據(jù)悉，Cloudera還可直接針對Amazon S3中的數(shù)據(jù)運(yùn)用處理和查詢引擎Apache Hive、Apache Spark和Hiveon-Spark。

編輯｜張鵬 zhangpeng@bjxintong.com.cn