Varför molnet är viktigt för stora data - dummies

Det finns många kombinationer av implementerings- och leveransmodeller för stora data i molnet. Till exempel kan du använda ett offentligt moln IaaS eller ett privat moln IaaS. Så, vad betyder detta för stora data och varför är molnet en bra passform för det? Tja, stora data kräver distribuerade kluster av beräkningskraft, vilket är hur molnet är byggt.

Faktum är att ett antal molnegenskaper gör det till en viktig del av det stora datakosystemet:

• Skalbarhet: Skalbarhet med avseende på hårdvara hänför sig till förmågan att gå från små till stora mängder bearbetningskraft med samma arkitektur. När det gäller mjukvara refererar det till konsistensen av prestanda per maktenhet när hårdvaruutgångar ökar. Molnet kan skala till stora datamängder.

  Distribuerad databehandling, en integrerad del av molnmodellen, fungerar verkligen på en "dela och erövra" plan. Så om du har stora datamängder kan de delas över molnservrar. En viktig egenskap hos IaaS är att den kan dynamiskt skala. Detta innebär att om du hamnar behöver mer resurser än förväntat, kan du få dem. Detta binder in i begreppet elasticitet.

• Elasticitet: Elasticitet avser möjligheten att expandera eller minska behovet av datorresurs i realtid, baserat på behov. En av fördelarna med molnet är att kunderna har möjlighet att få tillgång till så mycket av en tjänst som de behöver. Detta kan vara till hjälp för stora dataprojekt där du kanske behöver expandera mängden datorresurser du behöver för att hantera data.

• Resurspooling: Cloud arkitekturer gör det möjligt att skapa grupper med delade resurser som gör molnet ekonomiskt genomförbart.

• Självbetjäning: Med självbetjäning kan användaren av en molnresurs använda en webbläsare eller ett portalgränssnitt för att skaffa de resurser som behövs, säg att driva ett stort prediktivt modell. Det här är dramatiskt annorlunda än hur du kan få resurser från ett datacenter där du måste begära resurserna från IT-verksamheten.

• Ofta låga kostnader på framsidan: Om du använder en molnleverantör kan ofta kostnaderna förknippas ofta eftersom du inte köper stora mängder hårdvara eller hyr ut nytt utrymme för att hantera dina stora data. Genom att utnyttja skalfördelar i samband med molnmiljöer kan molnet se attraktivt ut.

• Betala när du går: Ett typiskt faktureringsalternativ för en molnleverantör är Pay as You Go, vilket innebär att du faktureras för resurser som används baserat på exemplarprissättning.Det kan vara användbart om du inte är säker på vilka resurser du behöver för ditt stora dataprojekt.

• Feltolerans: Skolleverantörer bör ha feltolerans inbyggd i sin arkitektur, vilket ger oavbrutna tjänster trots att ett eller flera av systemets komponenter misslyckats.

Det är uppenbart att molnens natur är en idealisk datormiljö för stora data. Så hur kan du använda stora data tillsammans med molnet? Här är några exempel:

• IaaS i ett offentligt moln: I det här scenariot skulle du använda en offentlig molnleverantörs infrastruktur för dina stora datatjänster eftersom du inte vill använda din egen fysiska infrastruktur. IaaS kan skapa skapandet av virtuella maskiner med nästan obegränsad lagring och beräkningskraft. Du kan välja vilket operativsystem du vill ha, och du har flexibilitet att dynamiskt skala miljön för att möta dina behov.

• PaaS i ett privat moln: PaaS är en hel infrastruktur förpackad så att den kan användas för att designa, implementera och distribuera applikationer och tjänster i en offentlig eller privat molnmiljö. PaaS möjliggör för en organisation att utnyttja viktiga middleware-tjänster utan att behöva hantera komplexiteten att hantera enskilda hårdvaru- och programvaruelement.

  PaaS-leverantörer börjar integrera stor datateknik som Hadoop och MapReduce i sina PaaS-erbjudanden. Till exempel kanske du vill bygga en specialiserad applikation för att analysera stora mängder medicinsk data. Applikationen skulle använda både realtid och icke-realtidsdata. Det kommer att kräva Hadoop och MapReduce för lagring och bearbetning.

• SaaS i ett hybrid moln: Här kan du analysera "kundens kund" -data från flera kanaler. Många företag har insett att en av de viktigaste datakällorna är vad kunden tycker och säger om företaget. Att få tillgång till röst för kunddata kan ge ovärderlig inblick i beteenden och handlingar. Allt fler kunder "vocalizing" på offentliga webbplatser.

  Värdet av kundens inmatning kan förbättras kraftigt genom att inkorporera dessa offentliga data i din analys.