《电力大数据》走进大数据

2.1.3 大数据技术发展趋势

1. Fadoop架构的增强艰大数据技术将迅速发展

综合考虑以上国内外大数据厂商的技术进展，可以发现：为满足更多数据处理场所的需要，针对Hadoop架构的增强型大数据技术将迅速发展。我们发现上述绝大部分厂商都采用了 Hadoop开源大数据处理平台架构作为其大数据解决方案的重要一环。Hadoop 和MapReduce模式显然是解决大数据问题的方式之一。但Hadoop的某些环节仍存在可以优化的地方，例如从其数据处理模式来看. Hadoop仅仅是对于批处理来说比较好。越来越多的应用需要优化Hadoop使用的NoSQL数据库，使其可以利用内存处理，这样请求就能更快地返回。

2.基于大数据一体机的大数据解决方案将大行其道

大数据一体机通过标准化的架构集成了服务器、存储、网络、软件等配置，简化了数据中心基础设施部署和运维管理的复杂性。其中，甲骨文公司基于NoSQL的大数据一体机以及SAP的HANA 软硬件一体化平台都为用户突破了原有架构的扩展瓶颈和新技术条件下的客户应用门槛，推进了大数据技术在相应领域的应用。

3.结合客户的实际需求合理整合产品

ElasticSearch、Pentaho,以及许多其他工具覆盖了整个大数据生态系统的不同细分市场。但下一个重要阶段是如何让它们能够更好协同工作。直到这个阶段的到来，大数据的管理还将比较随意。

当然,这并不意味着一个集成产品将永远适合所有的商业模式。数据以多种形式出现，并且每个企业组织都希望利用这些信息做不同的事情。企业组织将需要使用各种不同的方式来处理他们的数据。根据数据的来源、格式，他们为什么收集，他们希望如何存储、如何分析，还有他们需要以多快的速度来处理。作为大数据的开发服务商，希望在整合的同时仍然保持模块化，这将允许企业为自己独有的使用案例创建合适的工具时无需每次都重新开发。

4.自助服务型大数据技术将成为主流

随着大数据工具和服务的发展。2015年IT行业将逐渐缓解陷入发展瓶颈的僵局，越来越多的商业和学术领域的用户都能够借助相关工具或使用相关服务访问大量数据。

2015年，自助服务大数据将成为IT行业的一种趋势，它允许商业用户可以通过自助服务接触大数据。自助服务还可以帮助开发者、数据科学家和数据分析师直接进行数据探索和处理工作。在此之前，IT行业要求建立一种集中的数据结构，但是这非常消耗时间和成本。针对某些用户案例，Hadoop可以帮助企业适应structure-on-read 这种结构模式。一些先进的组织机构将会通过数据绑定的运行模式而非集中的结构来满足持续的需求。例如，百度“大数据引擎” 包括开放云、数据工厂和百度大脑三个核心组件，而向所有人提供免费的自助型大数据服务。这种自助型服务公式将促进企业更好地利用新的数据资源，同时又能够抓住新的市场给予，应对问题和挑战。

书名：电力大数据：能源互联网时代的电力企业转型与价值创造

ISBN：978-7-111-51693-4

作者：赖征田

出版日期：2016-01

出版社：机械工业出版社