企业拥抱大数据,Hadoop 和Spark渐受欢迎

简介:

虽然国内大数据相较国外起步较晚,但增长态势却一路上扬,完美诠释了典型的“中国速度”,不仅是企业和政府用户对于大数据的认知在提升,而且在搭建平台和提供数据服务方面,企业用户也开始了更为深入的探索。

来自中国信通院的数据显示:2016年中国大数据市场规模将达到16.8亿元人民币,增速为45%,预计未来3年(2017~2020年),增速将稳步保持在30%以上。

市场风生水起,离不开政府层面的扶持。国家“十三五”规划纲要明确表示:实施国家大数据战略是“十三五”时期的重点。去年国家力挺大数据应用,批复了京津冀等7个国家级大数据综合试验区和超过10个大数据国家工程实验室。

紧接着,今年1月国家印发的《大数据产业发展规划(2016-2020年)》(以下简称《规划》)无疑又为火热的大数据又添了一把柴。按照《规划》预计,在2020年,我国技术先进、应用繁荣、保障有力的大数据产业体系将基本形成,大数据相关产品和服务业务收入将突破1万亿元人民币。

实体产业的落地速度也是快马加鞭,就在本月,坐落于廊坊的京津冀大数据创新应用中心主体工程竣工,并于5月18日正式投入运营。该中心包含体验中心、研发中心、双创中心、应用中心、感知中心5大核心功能区,打造以大数据为核心的特色产业体系。

“利用大数据改造传统动能、培育新动能,对实现创新驱动发展,意义重大、前景广阔”,工业和信息化部副部长陈肇雄表示,一方面引导地方结合自身条件,科学谋划发展重点,在大数据产业特色优势明显的地区建设一批产业集聚区;另一方面,支持地方大数据应用试点,开展系统性探索试验,形成有效经验和模式,加快推广普及。

政府数据开放“三不”写成了难

虽然有国家政策保驾护航,但摆在产业界面前的难题也不少,想要真正实现商业化,形成良性的产业生态道阻且长。诸如在时下高度受关注的大数据共享和开放方面,产业界还未找到行之有效的方法。

中国工程院院士邬贺铨对此表示:缺乏公共平台、共享不通畅、开放总量偏低、结构化程度低,民众参与反馈不准等,这些都是摆在数据共享开放前面的最直接难题。

大数据的价值在于融合和挖掘,作为拥有最大数据源基础的政府一方,本该在数据共享方面起到表率作用,促进数据的融合挖掘,但现实却是政府数据开放呈现三个“不”字。

不敢于、不愿意、不容易,这三个关键词正好反映出目前政务云建设过程中,政府对于数据开放共享的真实态度。

中国信息通信研究院院长刘多表示,由于国家层面目前在数据安全方面还缺乏具有指导性的规定和细则,这就导致政府在共享数据方面不敢于也不愿意迈出大步;另一方面,政府IT系统多为封闭的“烟囱式”IT构建,即便想要数据共享,也需要接口的标准化和统一的顶层设计。

“开放共享对于政务透明、全社会信用体系建设和创新都非常重要,我们需要共同努力!”刘多如是说。

产业动起来,Hadoop 和Spark渐受欢迎

监管未细,但产业界早已行动。来自中国信通院一份国内1465 用户的大数据问卷调查显示:近六成企业已成立数据分析相关部门,27.3% 的企业计划成立数据部门。更重要的是,绝大部分企业均已意识到数据分析对企业发展的重要性,在用户看来,大数据能够为企业带来最直观的效果就是:智能决策和提升运营效率。

更有趣的是,市场对于搭建大数据平台的方式也在发生微妙的变化,相较于前两年直接购买集成一体机的方式,在2016年,倾向于本地自建大数据平台(48.6%)和采购云服务商的大数据服务(33.1%)的比例占到了总体受访者的80%。

这似乎已经传递出一个非常明确的趋势:企业拥抱大数据,更青睐以开源平台来构建大数据,这也就解释了业界为何如此看重Hadoop 和Spark这两项大数据平台技术架构的原因。

不过开源之路并不像看上去那么美好,除了自身具备一定的技术实力之外,如何融入从国外舶来的开源社区文化,兼顾数据服务的安全性、稳定性和可扩展性都将成为企业用户即将面对的重要课题。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6天前
|
存储 分布式计算 Hadoop
大数据处理架构Hadoop
【4月更文挑战第10天】Hadoop是开源的分布式计算框架,核心包括MapReduce和HDFS,用于海量数据的存储和计算。具备高可靠性、高扩展性、高效率和低成本优势,但存在低延迟访问、小文件存储和多用户写入等问题。运行模式有单机、伪分布式和分布式。NameNode管理文件系统,DataNode存储数据并处理请求。Hadoop为大数据处理提供高效可靠的解决方案。
24 2
|
6天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
8天前
|
SQL 分布式计算 Hadoop
利用Hive与Hadoop构建大数据仓库:从零到一
【4月更文挑战第7天】本文介绍了如何使用Apache Hive与Hadoop构建大数据仓库。Hadoop的HDFS和YARN提供分布式存储和资源管理,而Hive作为基于Hadoop的数据仓库系统,通过HiveQL简化大数据查询。构建过程包括设置Hadoop集群、安装配置Hive、数据导入与管理、查询分析以及ETL与调度。大数据仓库的应用场景包括海量数据存储、离线分析、数据服务化和数据湖构建,为企业决策和创新提供支持。
39 1
|
25天前
|
消息中间件 SQL 分布式计算
大数据Hadoop生态圈体系视频课程
熟悉大数据概念,明确大数据职位都有哪些;熟悉Hadoop生态系统都有哪些组件;学习Hadoop生态环境架构,了解分布式集群优势;动手操作Hbase的例子,成功部署伪分布式集群;动手Hadoop安装和配置部署;动手实操Hive例子实现;动手实现GPS项目的操作;动手实现Kafka消息队列例子等
20 1
大数据Hadoop生态圈体系视频课程
|
2月前
|
分布式计算 大数据 Java
Spark 大数据实战:基于 RDD 的大数据处理分析
Spark 大数据实战:基于 RDD 的大数据处理分析
120 0
|
3月前
|
分布式计算 监控 大数据
Spark RDD分区和数据分布:优化大数据处理
Spark RDD分区和数据分布:优化大数据处理
|
3月前
|
机器学习/深度学习 SQL 分布式计算
Apache Spark 的基本概念和在大数据分析中的应用
介绍 Apache Spark 的基本概念和在大数据分析中的应用
157 0
|
3月前
|
机器学习/深度学习 SQL 分布式计算
介绍 Apache Spark 的基本概念和在大数据分析中的应用。
介绍 Apache Spark 的基本概念和在大数据分析中的应用。
|
4月前
|
分布式计算 大数据 Linux
Python大数据之PySpark(三)使用Python语言开发Spark程序代码
Python大数据之PySpark(三)使用Python语言开发Spark程序代码
100 0

热门文章

最新文章