马如悦：大规模数据分析系统的搭建

大数据全球技术峰会在北京富力万丽酒店召开。本次峰会将围绕大数据基础架构与上层应用的生态系统，解决大规模数据引发的问题，探索大数据基础的解决方案，激发数据挖掘带来的竞争力，让数据发出声音。51CTO作为本次峰会的主办方，将全程视频、图文直播报道这场数据的盛宴，

 在第二天的数据挖掘与实时分析专场，第一场演讲由百度基础架构部高级工程师马如悦带来，他的主题是大规模数据分析系统的搭建。马讲师预测，到2015、2016年，数据分析将和移动、云计算一样热门，因此现在未雨绸缪很有必要。

马讲师首先提出了两个观点，数据系统和分层设计。数据系统必须包括storage和query，因此mysql是数据系统，而HBase、NoSQL只能算存储层。另外，大数据必须采用分层设计，包括：垂直分层-时效性库，水平分层-OLTP、OLAP、NoSql等。分层可以减少设计复杂性、减少使用运维复杂性、资源效率使用最高。

为什么要提出这两个观点呢，因为第一，从小数据到大数据，数据的存储、处理都是不同的；第二，大数据系统也是storage+query；第三，大数据因为过于heavy，需要分层考虑。

另外，马讲师还提到了最近大数据系统的趋势，Newsql和Interactive analysis开始被人提及和研究，nosql太过原始，sql容量性能有限，newsql相当于sql和nosql的中间实现，即带有事物处理的nosql；Hive响应太慢，数据库容量性能有限，而Interactive analysis可以解决这些问题。

最后，马讲师讲到了大数据分析的架构设计，底层是ETL-1，然后装进数据仓库，然后通过ETL-2，对数据进行分析，以前我们关注的都是底层，但是数据挖掘和分析缺乏关注。发展趋势是数据量越来越大，维度越来越多，从以人为主到以机器为主，用户专业度越来越高，但数量减少。

大数据系统搭建的一些解决方案，分别是商业版和开源版。开源版还没有很成熟的产品来构建大数据下的OLAP，中等规模可以用HPCC解决方案，可以代替一些商业产品。

在QA环节，来自Oracle的参会者和马讲师就商业与开源进行了精彩的辩论，马讲师讲到，如果数据是公司的核心竞争力，那么采用开源方案可以不依赖他人，并且有自己的技术专利。