首页
学习
活动
专区
工具
TVP
发布

改变数据中心面貌的5大数据挑战!

数据显然不是以前的数据了!所有类型的组织都在寻找数据的新用途,作为其数字转换的一部分。从喷气式发动机到杂货店,每个行业都有这样的例子,因为数据成为竞争优势的关键。我称之为新数据 因为它与我们最熟悉的财务和ERP数据非常不同。这些旧数据大多是事务性的,并且是私下从内部来源捕获的,这推动了客户机/服务器革命。

新数据是事务性和非结构化的、公开的和私下收集的,其价值来自于聚合和分析它的能力。松散地说,我们可以把这个分开新数据分为两类:大数据--用于批量分析的大型聚合数据集和用于快速数据的数据--从许多用于推动立即决策的来源收集的数据。大数据快速数据模式正在推动一种全新的数据中心架构(包括公共和私有)。

在下一系列博客中,我将介绍新的数据中心体系结构所带来的五大数据挑战:

1、数据捕获正在推动边缘到核心的数据中心架构:新数据在源头被捕获。在石油和天然气勘探方面,这个来源可能在海洋之下,在轨道上的卫星上,在天气方面,在你的手机上,在图片,视频和推特上,或者在一部电影上。在来源收集的数据量将比我们今天所熟悉的高几个数量级。

2、数据规模正在推动数据中心自动化:大型云提供商的规模已经如此之大,它们必须在自动化和智能方面投入巨资来管理他们的基础设施。任何人工管理都是简单的成本--在他们的操作规模上是难以抑制的。

3、数据移动正在改变全球网络:如果数据无处不在,则必须移动数据才能进行聚合和分析。正当我们认为网络在40到100 Gbps的速度超过了网络带宽要求时,数据移动可能会增加100倍到1000倍。

4、数据价值正在彻底改变存储:在之前的博客中,“衡量数据的经济价值,”我介绍了一种思考和测量数据价值的方法。毫无疑问,数据对各组织越来越有价值,而且由于机器学习和基于人工智能的分析,数据在较长时间内的有用性正在增加。这意味着需要将更多的数据存储更长的时间,并且数据必须是可寻址的,这样才能使分析有效。

5、数据分析是未来计算密集型体系结构的驱动因素:由于分析的本质,尤其是机器学习,组织被驱使保存更多的数据,以便将其聚合到大型数据存储库中。当应用于多个、更大的数据源时,这些类型的分析提供了更好的答案。分析和机器学习是计算密集型操作。因此,大型数据集上的分析驱动了大量的高速处理。同时,分析的计算密集性推动了许多存储和访问数据的新方法,从内存数据库到100兆字节规模的对象存储。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180122B0OSMH00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券