>　　>　正文
带你认识大数据——大数据与云计算的密切关系
17:15&&来源:
中国大数据
大数据常和云计算联系到一起，因为实时的大型数据集分析需要分布式处理框架来向数十、数百或甚至数万的电脑分配工作。可以说，云计算充当了工业革命时期的发动机的角色，而大数据则是电。
云计算思想的起源是麦卡锡在上世纪60年代提出的：把计算能力作为一种像水和电一样的公用事业提供给用户。
如今，在Google、Amazon、Facebook等一批互联网企业引领下，一种行之有效的模式出现了：云计算提供基础架构平台，大数据应用运行在这个平台上。
业内是这么形容两者的关系：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。
那么大数据到底需要哪些云计算技术呢？
这里暂且列举一些，比如虚拟化技术，分布式处理技术，海量数据的存储和管理技术，NoSQL、实时流数据处理、智能分析技术（类似模式识别以及自然语言理解）等。
云计算和大数据之间的关系可以用下面的一张图来说明，两者之间结合后会产生如下效应：可以提供更多基于海量业务数据的创新型服务；通过云计算技术的不断发展降低大数据业务的创新成本。
如果将云计算与大数据进行一些比较，最明显的区分在两个方面：
第一，在概念上两者有所不同，云计算改变了IT，而大数据则改变了业务。然而大数据必须有云作为基础架构，才能得以顺畅运营。
第二，大数据和云计算的目标受众不同，云计算是CIO等关心的技术层，是一个进阶的IT解决方案。而大数据是CEO关注的、是业务层的产品，而大数据的决策者是业务层。
分布式处理技术
分布式处理系统可以将不同地点的或具有不同功能的或拥有不同数据的多台计算机用通信网络连接起来，在控制系统的统一管理控制下，协调地完成信息处理任务&这就是分布式处理系统的定义。
以Hadoop（Yahoo）为例进行说明，Hadoop是一个实现了MapReduce模式的能够对大量数据进行分布式处理的软件框架，是以一种可靠、高效、可伸缩的方式进行处理的。
而MapReduce是Google提出的一种云计算的核心计算模式，是一种分布式运算技术，也是简化的分布式编程模式，MapReduce模式的主要思想是将自动分割要执行的问题（例如程序）拆解成map（映射）和reduce（化简）的方式， 在数据被分割后通过Map 函数的程序将数据映射成不同的区块，分配给计算机机群处理达到分布式运算的效果，在通过Reduce 函数的程序将结果汇整，从而输出开发者需要的结果。
再来看看Hadoop的特性，第一，它是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。其次，Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。Hadoop 还是可伸缩的，能够处理 PB 级数据。此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。
你也可以这么理解Hadoop的构成，Hadoop=HDFS（文件系统，数据存储技术相关）+HBase（数据库）+MapReduce（数据处理）+&&Others
Hadoop用到的一些技术有：
HDFS： Hadoop分布式文件系统（Distributed File System） － HDFS （HadoopDistributed File System）
MapReduce：并行计算框架
HBase： 类似Google BigTable的分布式NoSQL列数据库。
Hive：数据仓库工具，由Facebook贡献。
Zookeeper：分布式锁设施，提供类似Google Chubby的功能，由Facebook贡献。
Avro：新的数据序列化格式与传输工具，将逐步取代Hadoop原有的IPC机制。
Pig：大数据分析平台，为用户提供多种接口。
Ambari：Hadoop管理工具，可以快捷的监控、部署、管理集群。
Sqoop：用于在Hadoop与传统的数据库间进行数据的传递。
1、凡本网注明 “来源：正保IT教育网”的所有作品，版权均属正保IT教育网所有，未经本网授权不得转载、链接、转贴或以其他方式使用；已经本网授权的，应在授权范围内使用，且必须注明“来源：正保IT教育网”。违反上述声明者，本网将追究其法律责任。
2、本网部分资料为网上搜集转载，均尽力标明作者和出处。对于本网刊载作品涉及版权等问题的，请作者与本网站联系，本网站核实确认后会尽快予以处理。本网转载之作品，并不意味着认同该作品的观点或真实性。如其他媒体、网站或个人转载使用，请与著作权人联系，并自负法律责任。
联系方式：010-
咨询热线：010-终于可以弄明白大数据、云计算、商业智能到底什么关系了
麦采尧，马达数据 CEO, 斯坦福CS毕业
一句话概括的话，大数据是原料，云计算是容器，商业智能是工具。
要详细剖析的话，我们可以将这三个概念两两组合起来看它们之间的关系。
大数据 和 云计算
云计算的进步，是大数据产业扩张的一个重要基础。
我们都知道，有一个概念叫&数据重力&，大致是说，所有待分析的数据都要集中到一个地方，然后才能进行分析。但是，传统的本地数据中心能容纳的数据量始终有限。
云计算的出现打破了这重局限性。云可以把众多数据聚集起来。这样一来，云上的数据集就是最大的，那么当然，云端就成了数据分析最理想的地点。换句话说，要充分利用大数据的「大」，就要靠云技术来实现。
大数据和云计算的发展前景，其实已经很明确了&&大数据会往云端迁徙。这是因为，在&云&上产生的数据越来越多地超过了在本地产生的数据。由&数据重力&的概念可知，数据的重心在云端，所以数据整体都会往云端移动。
根据商业智能公司 AtScale 的一项调查，72%的人计划在云端进行大数据工作。这个数字势必越来越大。
举例来说，亚马逊 AWS 云服务就支持了很多公司的云端项目，包括飞利浦的医疗保健部门的云端数码平台（Philips HealthSuite Digital Platform ）。这个平台能分析和存储 15PB 的患者数据，拓展性、表现力和可靠性都很高。（）
所以&云&作为一个海纳百川的数据中心，能激发大数据的真正潜力&&提高效率，降低成本，拓展格局。
大数据 和 商业智能
这两者之间的关系就更好解释了。正如之前说的，大数据是原材料，商业智能是工具。实际上，商业智能就是实现大数据价值的一个重要通道。
大数据应用的难点在于量大且复杂，而且非结构性数据占了其中的绝大多数。在数据这行干的人都知道，搞定非结构性数据、清洗数据等等这些工作，都是非常消耗人力物力资源的。
商业智能的主要工作就是帮你搞定数据&&快速、及时和有效地清洗、整合、分析以及可视化数据，迅速地将数据转换成图表信息。这样一来，决策人能够很快了解信息作出决策，采取行动，及其高效地实现商业价值。
大数据发展势头越来越猛，所有人都在想办法利用它的价值，而商业智能就是最受欢迎的方式。祭出一张用过数次的图：
我们可以看到，出于对效率、成本和有效性的综合考虑，受访者当中 75% 考虑通过 BI（商业智能）来运用大数据，获取大数据中的有效信息。
至于前景，我们也可以从 AtScale 的调查中发现，商业智能正在成为越来越多人的选择。关于商业智能领域的发展，这个在 Gartner 每年的魔力象限报告中，也都会提到领域内人士对行业发展的看法，我个人认为是比较权威的：
云计算 和 商业智能
到这里，想必你已经很清楚，云端商业智能一定是未来的发展前景。其中的道理和前面所叙述的一致&&数据在云端，分析当然也在云端，那商业智能自然基于云端是最好的。
依靠云计算的云端商业智能，与传统商业智能比起来，就拥有了以下几点优势：
商业智能分析流程的自动化和高效是毋庸置疑的。传统模式的 BI 可能要花好几个月才能得到的结果，SaaS 云技术的 BI 分析速度增快很多，甚至可以说是实时的。
传统的 BI 需要业务人员在开始分析前，与 IT 技术人员事先定好分析结构，在数据做出来之后，想要修改就要再去与 IT 人员商量重做。而云端 BI，只需要业务人员自己在后台进行拖拽操作调整结构，就能马上灵活得到新的数据分析。
使用云端 BI 不必操心繁琐的基础设备管理、拓展性能、系统荣誉、平台管控等等，也不用操心软件更新&&云 BI 是随时更新的，而且迭代非常快。
很多人觉得云端不安全，因为数据脱离了自己的物理掌控。实际上，云端比本地更安全&&一个中型企业对 BI 安全系统的投资，显然很难跟专门从事这个领域的巨头亚马逊 AWS 相比。所以，将数据存在像 AWS 这样的公司，就跟请了强大的安保团队差不多，比锁在自己不牢靠的抽屉里要安全多了。
5. 低成本。
云 BI 的低成本也是有目共睹的&&不需要硬件投入，初期投入也较低。同时，因为迭代快、没有后续升级费用，性价比也比传统 BI 更高。
综上所述，要实现大数据真正的价值，云计算和商业智能缺一不可。而云和商业智能的结合，更是搞定大数据的利器。可以说，这三者的组合会成为未来商业决策的标准模式。
客官，这篇文章有意思吗？君，已阅读到文档的结尾了呢~~
云计算和大数据的区别
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
云计算和大数据的区别
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口&&&新闻热线：021-
大数据和云计算是何关系？
&nbsp&nbsp&nbsp&nbsp关于大数据和云计算的关系，人们通常会有误解，而且也会把它们混起来说。做一个直白解释就是：云计算是硬件资源的虚拟化；大数据是海量数据的高效处理。&nbsp&nbsp&nbsp&nbsp虽然上面的一句话解释不是非常的贴切，但是可以帮助你简单理解二者的区别。如果做一个更形象的解释，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化之后再进行分配使用。&nbsp&nbsp&nbsp&nbsp大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展。大数据的总体架构包括三层：数据存储，数据处理和数据分析。数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。&nbsp&nbsp&nbsp&nbsp整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗？&nbsp&nbsp&nbsp&nbsp■数据观记者
东方网()版权所有，未经授权禁止复制或建立镜像
大数据和云计算是何关系？
日 03:18 来源:中国青年网
&nbsp&nbsp&nbsp&nbsp关于大数据和云计算的关系，人们通常会有误解，而且也会把它们混起来说。做一个直白解释就是：云计算是硬件资源的虚拟化；大数据是海量数据的高效处理。&nbsp&nbsp&nbsp&nbsp虽然上面的一句话解释不是非常的贴切，但是可以帮助你简单理解二者的区别。如果做一个更形象的解释，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化之后再进行分配使用。&nbsp&nbsp&nbsp&nbsp大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展。大数据的总体架构包括三层：数据存储，数据处理和数据分析。数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。&nbsp&nbsp&nbsp&nbsp整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗？&nbsp&nbsp&nbsp&nbsp■数据观记者