京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算“联姻”大数据 天作之合还是陷阱丛生
如今,大数据已然成为了一个时髦词汇,从政府到企业,从职场到生活,只要谈及互联网,大数据便是绕脱不开的一个话题。向前追溯,曾经有一个词也同样风靡大江南北,至今仍为人津津乐道,这便是云计算。
云计算与大数据并不是截然不同的两个概念,二者有着极为亲密的关系。大数据的真实价值就像漂浮在海洋中的冰山,第一眼只能看到冰山的一角,绝大部分都隐藏在表面之下。而发掘数据价值、征服数据海洋的“动力”就是云计算。
云计算和大数据,天作之合
有人曾这样来解释云计算与大数据的区别:云计算就是硬件资源的虚拟化,大数据就是海量资源的高效处理。这一解释虽然可以简单理解云计算与大数据的区别,但却并不完全正确。大数据技术的战略意义并不在于储存了多么庞大的数据,而在于是否能够挖掘数据意义,并对数据进行专业化处理。云则是由易于使用的虚拟资源构成的一个巨大资源池,包括硬件资源、部署平台以及相应的服务。根据不同的负载,这些资源可以动态地重新配置,以达到一个最理想的资源使用状态。所以云计算关注的是IT的基础架构与计算能力。
没有大数据的信息积淀,则云计算的计算能力再强大,也难以找到用武之地;没有云计算的处理能力,则大数据的信息积淀再丰富,也终究只是镜花水月。亚马逊云计算AWS首席数据科学家Matt Wood这样来形容云计算和大数据的关系:大数据和云计算是天作之合,云计算平台的海量低成本的数据存储与处理资源为大数据分享提供了可能。
大数据变现:陷阱丛生的云计算
云计算市场热闹非凡,有相当一批互联网出身的云服务厂商展开了此起彼伏的“电商式”价格战。低价的背后,是热心的“无偿大派送”还是“别有用心”的商业计谋?互联网思维一直都是“羊毛出在羊身上”,谋求大数据,依靠大数据变现才是低价云服务的真实企图。当我们为低价的云服务雀跃不已时,赖以生存的数据已经成为别人嘴中的一块肥肉。数据被人觊觎,相当一批大中型企业在业务云化的进程中顾虑非常,畏首不前。
一家不要“大数据”的厂商,底气何来?
在山头林立的云计算服务商中,有一家厂商显得颇为“标新立异”:在今年9月18日举办的华为云计算大会(HCC2015)上,华为IT产品线总裁郑叶来在演讲中幽默地说,“华为技术有限公司,技术是有限的嘛,所以华为向上不做应用,向下不碰数据。”华为如此承诺,能否给云计算市场带来一阵新风,打消政企客户对数据安全的疑虑呢?华为的这份承诺可信么?它又凭什么做出这份承诺?
在HCC2015大会上,郑叶来表示:“华为一直在讲‘精简IT’,其实就是想要让数据中心里面的盒子更简单,华为的目标简单来说就是把盒子变的更简单,让软件平台更开放。”从中不难看出,华为的重点有两个:一是硬件,致力于让盒子更加简单,二是软件,努力让平台更加开放。谋求大数据变现,从来就不是华为的业务方向,也不是华为的业务专长。我们有理由相信华为做出的承诺确实可信,但华为这般“特立独行”,又何来的底气呢?
如果仔细研究下华为云计算的发展历史,或许就很容易发现华为底气何来:2008年云计算概念传入中国,同年华为第一款桌面云产品在实验室诞生;2010年,华为启动“云帆计划”,正式宣布进军云计算领域;2011年,华为成立IT产品线,主打云化 IT; 2014年,华为云操作系统入选 Gartner云操作系统挑战者象限,这是Gartner首次将这一名额颁给亚洲国家厂商;2015年华为正式发布公有云服务;HCC2015大会上,华为发布了FusionSphere 6.0,作为一款企业级的开放的云操作系统,能够100%的的兼容OpenStack生态,也兼容Docker的生态,针对企业级应用,增加了主流软件的认证,超过5千家的认证。
热闹的中国云计算市场虽然厂商众多,但很少有像华为这样已经形成从计算、存储到网络,再到操作系统的端到端云计算解决方案供应商。迄今,华为已构建了一张具有十余个节点,覆盖全国的云服务网络,机房面积超过15万平米,成为了网络覆盖最广的公有云服务商之一。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24