大数据部署的三种方式

　　本文将介绍大数据部署的三种方式，包括套装软件搭配自组硬件、软硬件整合的一体机，以及采用云端巨量分析服务。

　　1 套装软件搭配自组硬件

　　目前包括Hadoop、Greenplum以及Aster Data都有纯软件产品以及软硬件整合的一体机产品，如果企业选择以纯软件产品，虽然具有可以自由搭配硬件的优势，但却也相对挑战企业的技术能力，因为软件的数据处理效能是否可以充分发挥，往往与所搭配的硬件规格、平台架构以及系统调校有关。

　　一般来说，企业在评估数据处理平台时，如果选择采用软件型态的解决方案，通常都具有强大的系统架构规画能力与维护能力。不过，台湾有家晶圆公司为了解决大数据问题，1年多前开始寻找各种软硬件的大数据解决方案，最后则决定以Hadoop搭配x86架构，作为发展大数据处理平台的主轴。然而，在第一阶段的概念验证结束后，这家晶圆厂商公司小规模试行，并且部署了10～20台服务器，却发现数据处理效能不如预期，理论上，以Hadoop架构可以几分钟完成的数据量，最后却花费了1小时，其中的关键在于企业IT人员对Hadoop技术的掌握能力不足，以致于造成MapReduce程式与HDFS、Linux相互争夺硬件资源，最后导致当机。

　　2 软硬件整合的一体机

　　相较于软件解决方案的技术门槛，以硬件形式推出的一体机，不仅同时具有软硬件整合的优势，更重要是，系统效能调校也已经做到最佳化，对于企业来说，采用一体机可以大幅节省部署大数据处理平台的时间，后续的维护也比较轻松，不过，一体机通常会配置比较贵的硬件，因此，成本效益的考量仍旧是企业必须斟酌的地方。

　　目前IBM、Teradata、惠普、甲骨文、精诚资讯Etu以及EMC都推出了大数据一体机产品。不过，各家厂商所采用的数据处理技术是否具有开放性，将是企业未来面临扩充时能否无痛转移的关键。以EMC的产品来说，虽然是采用MapReducer的理论来做分散运算，但储存技术是来自EMC的MapR File System，而非Hadoop的HDFS，因此，虽然可以横向扩充，但储存技术就必须依循EMC的发展。

　　各大数据厂商为了因应大数据需求，不可能沿用10年前就开始发展的数据处理架构，因此过去2年并购动作频频，IBM收购数据分析公司Netezza、惠普买下了即时分析平台Vertica、数据仓储厂商Teradata并购Aster Data、储存大厂EMC更接连收购数据仓储厂商Greenplum以及磁碟阵列厂商Isilon，这些数据大厂通过并购所取得的技术，目前都已经与既有产品线完成整合，同时并相继推出了一体机产品，例如：Teradata的Aster Data Appliance，预计未来还可看到更多有关一体机的产品。

　　3 采用云端巨量分析服务

　　然而，从企业的角度来看，大数据处理平台并非一定得要通过软硬件厂商取得，在美国，有不少企业的大数据处理，是部署在云端架构系统环境上，目前这个领域主要的服务供应商有Amazon，Amazon的云端服务AWS，总共有20多种服务，其中的EMR（Elastic MapReduce）服务，可以让企业省去部署Hadoop丛集的工程，企业只需要把MapReduce程式，载入到EC2（Elastic Compute Cloud）虚拟机器执行EMR来运算即可。

　　除此之外，由于Amazon在台湾并没有机房，而大数据所处理往往是TB级以上的数据量，以这样的数据量与目前的网路频宽传输速度，绝对无法因应企业营运的大数据处理需求。业内人士指出，如果大数据处理的需求，只是一次性或者是短期的数据处理需求，可以通过Amazon这样的云端服务模式处理数据，但若是长期需求，则不建议。

　　总之，究竟大数据要用哪一种平台来处理，除了对各种技术平台的掌握能力之外，还要看企业对大数据分析速度的期待，需要多快就要产生分析结果，几秒钟内就要做决策判断，又或大数据的应用是要做长时间的大量数据分析。