在發(fā)展歷程上，大數(shù)據(jù)與云計(jì)算很類似，開始都搞不清是什么概念，但有很多人在說，難免南轅北轍。一個非常有趣現(xiàn)象：會有很多人說大數(shù)據(jù)不是什么，但很少有人說是什么。但這都不妨礙大數(shù)據(jù)成為產(chǎn)業(yè)發(fā)展趨勢。

　　當(dāng)務(wù)之急是不糾纏于概念，直接關(guān)注有哪些應(yīng)用可以落地，可以采用哪些大數(shù)據(jù)技術(shù)。

　　技術(shù)三分天下

　　傳統(tǒng)數(shù)據(jù)處理技術(shù)以數(shù)據(jù)庫技術(shù)為主，主要應(yīng)用在聯(lián)機(jī)事物處理(OLTP)的應(yīng)用場合，后來的數(shù)據(jù)倉庫、數(shù)據(jù)集市都是數(shù)據(jù)庫技術(shù)的發(fā)展和延伸。數(shù)據(jù)庫技術(shù)已經(jīng)有30年的歷史，可以將其概括為一句話“一種架構(gòu)支持所有應(yīng)用”。數(shù)據(jù)庫技術(shù)以結(jié)構(gòu)化數(shù)據(jù)為主，而結(jié)構(gòu)化數(shù)據(jù)也是價值密度最高的數(shù)據(jù)。而半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)價值密度相對比較低，如果采用傳統(tǒng)數(shù)據(jù)庫技術(shù)處理這些數(shù)據(jù)，會被認(rèn)為得不償失。

　　大數(shù)據(jù)時代，以Hadoop為代表的NoSQL技術(shù)，以列式數(shù)據(jù)處理為代表的MPP NewSQL技術(shù)應(yīng)運(yùn)而生，為半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)提供了技術(shù)支撐基礎(chǔ)，以互聯(lián)網(wǎng)企業(yè)為代表，創(chuàng)造了各種新的商業(yè)模式，也開啟了大數(shù)據(jù)應(yīng)用的時代。

　　在大數(shù)據(jù)時代，對于分析類應(yīng)用的需求不斷增加，特別對于傳統(tǒng)行業(yè)/企業(yè)，大數(shù)據(jù)分析需求首先包括結(jié)構(gòu)化數(shù)據(jù)，這已經(jīng)分析了30多年，如今結(jié)構(gòu)化數(shù)據(jù)分析需要與各種半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)分析相結(jié)合，用全數(shù)據(jù)的視野，指導(dǎo)行業(yè)/企業(yè)的業(yè)務(wù)應(yīng)用和實(shí)踐。這就導(dǎo)致一種架構(gòu)難以完全滿足大數(shù)據(jù)的需求，“多種架構(gòu)支持多類應(yīng)用”就成為了大數(shù)據(jù)處理應(yīng)用的基本思路，出現(xiàn)了OldSQL、NewSQL和NoSQL三分天下的市場格局。

　　傳統(tǒng)OldSQL數(shù)據(jù)庫以O(shè)racle、IBM DB2、Sybase等為主，NewSQL以EMC Greenplum、HP Vertica、SAPSybaseIQ、Teradata、IBM Netezza、微軟PDW以及南大通用的Gbase 8a 為主;而NoSQL包括Cassandra、Mon goDB、CouchDB、Redis、Riak和Hbase等，豐富的產(chǎn)品技術(shù)為用戶提供了豐富的選擇。

　　混搭不可避免

　　大數(shù)據(jù)應(yīng)用采用多種架構(gòu)支撐不可避免。據(jù)中國移動業(yè)務(wù)支撐系統(tǒng)部高級工程師何鴻凌介紹，中國移動就采用了MPP和Hadoop混搭架構(gòu)，配合原有數(shù)據(jù)倉系統(tǒng)，開展大數(shù)據(jù)的應(yīng)用。其中，傳統(tǒng)DW(數(shù)據(jù)倉庫)做高價值數(shù)據(jù)，也就是結(jié)構(gòu)化數(shù)據(jù)的加工，MPP做長期結(jié)構(gòu)化數(shù)據(jù)的存儲和自助分析，Hadoop用于非結(jié)構(gòu)化數(shù)據(jù)處理、挖掘和歷史存儲。

　　何鴻凌表示，MPP是將傳統(tǒng)分布式數(shù)據(jù)庫的理論運(yùn)行在X86上的實(shí)踐，用列存、內(nèi)存和副本等進(jìn)行了優(yōu)化。MPP基本可以替代傳統(tǒng)DW，但在大數(shù)據(jù)時代，還是有挑戰(zhàn)。那就是由于它精確地進(jìn)行數(shù)據(jù)分布的原因，可擴(kuò)展性和高可用比較難以達(dá)到。按照CAP理論，一種系統(tǒng)不可能什么都追求。因此國內(nèi)較大的MPP集群也就幾十個節(jié)點(diǎn)，國際上可以看到100～200節(jié)點(diǎn)的集群。根據(jù)中國移動數(shù)據(jù)處理得需求，起碼也需要300～400個節(jié)點(diǎn)。

　　“大數(shù)據(jù)主要是要應(yīng)用，而現(xiàn)在很多的應(yīng)用都不是由IT開發(fā)的，是自助的，這就需要MPP中要提供沙盒，讓業(yè)務(wù)部門或第三方能自助地分析和開發(fā)。我們當(dāng)然不希望每個沙盒都是物理的MPP集群，這樣不僅安裝維護(hù)復(fù)雜，而且會造成數(shù)據(jù)重復(fù)。所以我們希望的是讓MPP的能力像云計(jì)算那樣對外提供按需服務(wù)，實(shí)現(xiàn)虛擬化。”他說。

　　談到Hadoop，中國移動認(rèn)為Hbase和HDFS很好，但Map/Reduce使用起來需要一些技術(shù)能力，Hadoop 2.0中Map/Reduce已經(jīng)不再是唯一的執(zhí)行框架，而縮減為Yarn框架下的一個應(yīng)用了。對于Hadooperyan，其優(yōu)勢在于數(shù)據(jù)處理的成本，較之?dāng)?shù)據(jù)倉庫內(nèi)廉價很多，但在效率上還有差距，這是其數(shù)據(jù)分布策略所造成所的，這也是為什么中國移動還要選擇MPP進(jìn)行混搭因。

　　Hadoop技術(shù)難點(diǎn)主要是在Map/Reduce、各個作業(yè)之間都需要落地到HDFS上，這個效率會很差，而且沒有全局優(yōu)化。Spark解決了這些問題，包括用內(nèi)存緩存、流水線和全局優(yōu)化，因此中國移動用Spark作為處理引擎。據(jù)了解，中國移動準(zhǔn)備將長期數(shù)據(jù)放到Hadoop上做自助查詢，既能縮小MPP的規(guī)模，也能降低成本，當(dāng)然這樣的查詢效率就不如在MPP上了。

　　大數(shù)據(jù)應(yīng)用落地情況

　　混搭也好，多種模式也好，運(yùn)用這些框架和技術(shù)手段的大數(shù)據(jù)應(yīng)用，究竟會對現(xiàn)有模式產(chǎn)生哪些影響呢？大數(shù)據(jù)應(yīng)用又是怎么樣落地接地氣的呢？也許中國移動的大數(shù)據(jù)應(yīng)用實(shí)踐會給我們一些啟示。

總結(jié)來看，中國移動大數(shù)據(jù)應(yīng)用有三個方面：一是讓中國移動現(xiàn)有商業(yè)模式更加有競爭力;二是發(fā)掘新的商業(yè)模式，讓別的行