隨著大數(shù)據(jù)在越來越多的企業(yè)當中落地，企業(yè)要開展大數(shù)據(jù)相關(guān)的業(yè)務(wù)，那么首先要搭建起自身的數(shù)據(jù)平臺。而企業(yè)搭建大數(shù)據(jù)平臺，往往需要結(jié)合成本、業(yè)務(wù)、人員等各方面的因素，來規(guī)劃數(shù)據(jù)平臺建設(shè)方案。今天我們就來聊聊數(shù)據(jù)平臺建設(shè)的幾種方案。

[[358477]]

數(shù)據(jù)平臺其實在企業(yè)當中一直都是存在的，但是進入到數(shù)據(jù)爆發(fā)式增長的大數(shù)據(jù)時代，傳統(tǒng)的企業(yè)級數(shù)據(jù)庫，在滿足數(shù)據(jù)管理應(yīng)用上，并不能完全滿足各項需求。

對于企業(yè)而言，基于大數(shù)據(jù)背景下的企業(yè)數(shù)據(jù)管理應(yīng)用，也需要更加符合需求的數(shù)據(jù)平臺建設(shè)方案。

主流數(shù)據(jù)平臺建設(shè)方案

從市場主流選擇來看，企業(yè)數(shù)據(jù)平臺建設(shè)方案，目前大致有以下幾種：

1、常規(guī)數(shù)據(jù)倉庫

數(shù)據(jù)倉庫的重點，是對數(shù)據(jù)進行整合，同時也是對業(yè)務(wù)邏輯的一個梳理。數(shù)據(jù)倉庫雖然也可以打包成SAAS那種Cube一類的東西來提升數(shù)據(jù)的讀取性能，但是數(shù)據(jù)倉庫的作用，更多的是為了解決公司的業(yè)務(wù)問題。

2、敏捷型數(shù)據(jù)集市

數(shù)據(jù)集市也是常見的一種方案，底層的數(shù)據(jù)產(chǎn)品與分析層綁定，使得應(yīng)用層可以直接對底層數(shù)據(jù)產(chǎn)品中的數(shù)據(jù)進行拖拽式分析。數(shù)據(jù)集市，主要的優(yōu)勢在于對業(yè)務(wù)數(shù)據(jù)進行簡單的、快速的整合，實現(xiàn)敏捷建模，并且大幅提升數(shù)據(jù)的處理速度。

3、MPP(大規(guī)模并行處理)架構(gòu)

進入大數(shù)據(jù)時代以來，傳統(tǒng)的主機計算模式已經(jīng)不能滿足需求了，分布式存儲和分布式計算才是王道。大家所熟悉的Hadoop MapReduce框架以及MPP計算框架，都是基于這一背景產(chǎn)生。

MPP架構(gòu)的代表產(chǎn)品，就是Greenplum。Greenplum的數(shù)據(jù)庫引擎是基于Postgresql的，并且通過Interconnnect神器實現(xiàn)了對同一個集群中多個Postgresql實例的高效協(xié)同和并行計算。

4、Hadoop分布式系統(tǒng)架構(gòu)

當然，大規(guī)模分布式系統(tǒng)架構(gòu)，Hadoop依然站在不可代替的關(guān)鍵位置上。雅虎、Facebook、百度、淘寶等國內(nèi)外大企，最初都是基于Hadoop來展開的。

Hadoop生態(tài)體系龐大，企業(yè)基于Hadoop所能實現(xiàn)的需求，也不僅限于數(shù)據(jù)分析，也包括機器學習、數(shù)據(jù)挖掘、實時系統(tǒng)等。企業(yè)搭建大數(shù)據(jù)系統(tǒng)平臺，Hadoop的大數(shù)據(jù)處理能力、高可靠性、高容錯性、開源性以及低成本，都使得它成為首選。

[[358478]]

關(guān)于大數(shù)據(jù)平臺架構(gòu)，數(shù)據(jù)平臺建設(shè)的幾種方案，以上就為大家做了一個簡單的介紹了。企業(yè)基于大數(shù)據(jù)平臺建設(shè)的需求，對于專業(yè)人才的需求度也正在增加，具備過硬技術(shù)實力的大數(shù)據(jù)人才，將受到更高程度的青睞。