數(shù)據(jù)充斥所帶來的影響遠遠超出了預想。
“生命中的一天”（Day in the Life）系列攝影作品的創(chuàng)作人里克·斯莫蘭（Rick Smolan）正計劃在今年晚些時候推出一個新項目，這個名為“大數(shù)據(jù)的人類臉孔”（The Human Face of Big Data）的項目將記錄數(shù)據(jù)的采集和使用。斯莫蘭是一名狂熱分子，他認為“大數(shù)據(jù)”有成為“人性儀表盤”的潛力，也就是一種能幫助人類與貧窮、犯罪和污染等現(xiàn)象展開斗爭的智能工具。
事實上，數(shù)據(jù)不僅僅正在變得更加可用，同時也正在變得更加容易被計算機所理解。“大數(shù)據(jù)”發(fā)展趨勢中所增加的大部分數(shù)據(jù)都是在自然環(huán)境下產(chǎn)生的，比如說網(wǎng)絡(luò)言論、圖片和視頻等不受控制的東西，以及來自于傳感器的數(shù)據(jù)等。這些是所謂的“非結(jié)構(gòu)化數(shù)據(jù)”，通常不能為傳統(tǒng)的數(shù)據(jù)庫所用。但是，旨在從互聯(lián)網(wǎng)時代非結(jié)構(gòu)化數(shù)據(jù)的龐大“寶藏”中獲得知識和洞察力的計算機工具正在迅速發(fā)展中。在這種工具發(fā)展的最前沿是迅速取得進步的人工智能（AI）技術(shù)，比如說自然語言處理、模式識別和機器學習等。
這些人工智能技術(shù)能應(yīng)用于許多領(lǐng)域。舉例來說，國內(nèi)的搜索巨頭百度，其搜索和廣告業(yè)務(wù)及都利用了很多的人工智能技術(shù)。百度的這兩項業(yè)務(wù)都讓“大數(shù)據(jù)”時代的挑戰(zhàn)變得真實起來，它們對數(shù)量龐大的數(shù)據(jù)進行分析，并作出瞬時的決策。
數(shù)據(jù)洪流
作為互聯(lián)網(wǎng)公司，百度每天都要面對海量數(shù)據(jù)。其每天收集幾千億網(wǎng)頁，系統(tǒng)每天都產(chǎn)生海量日志，其容量達到百PB級，需要數(shù)萬臺服務(wù)器存儲，這還不算用戶在使用百度產(chǎn)品中自己生成的內(nèi)容(UGC)和百度客戶的數(shù)據(jù)，這部分數(shù)據(jù)加起來就有幾個PB，僅這些數(shù)據(jù)就比傳統(tǒng)企業(yè)的大上成千上萬倍。并且隨著網(wǎng)頁資源增加和搜索質(zhì)量提升，網(wǎng)頁和超鏈數(shù)據(jù)將隨之急劇增加。
對此，百度技術(shù)總監(jiān)陳尚義表示，百度數(shù)據(jù)呈現(xiàn)海量、高增長，結(jié)構(gòu)化和非結(jié)構(gòu)化大量并存，記錄大小差距巨大，數(shù)據(jù)一致性強弱不一，數(shù)據(jù)冷熱不均，突發(fā)事件常導致數(shù)據(jù)訪問波峰等特點。與此同時，百度業(yè)務(wù)對數(shù)據(jù)存儲和處理提出極高要求。要求數(shù)據(jù)高可用、高可靠、高通量、高時效、高并發(fā)、高可擴展(簡稱“六高”)，要求百度的數(shù)據(jù)存儲能力和處理能力必須以非常簡單的方式獲得擴容，以降低維護升級的代價。
按照陳尚義的說法，面對這些特點和要求，百度必須開發(fā)自己的大數(shù)據(jù)存儲系統(tǒng)。不過，在百度最早上線數(shù)據(jù)存儲系統(tǒng)時，類似Hadoop和HDFS等開源系統(tǒng)還沒有發(fā)布，而且還由于開源系統(tǒng)的性能受限、無法充分利用機器的各種資源尤其是新硬件(flash/SSD)資源為特定的訪問模式做優(yōu)化、缺乏滿足工業(yè)界的穩(wěn)定性等諸多原因，百度不能使用開源系統(tǒng)。不僅開源系統(tǒng)的用不上，而且市場上也無現(xiàn)成商業(yè)化產(chǎn)品可供百度使用，因為任何一個廠商都沒有如此海量、如此復雜的數(shù)據(jù)。
自主開發(fā)
百度一開始就自主開發(fā)了大數(shù)據(jù)存儲系統(tǒng)，用于存儲網(wǎng)頁和超鏈、客戶信息和用戶產(chǎn)品、系統(tǒng)日志等海量數(shù)據(jù)，支持Table、Pipe、File和KV等數(shù)據(jù)類型，滿足百度業(yè)務(wù)的流式和觸發(fā)式計算、文件存儲和訪問、低延遲、高并發(fā)的需求。在此基礎(chǔ)之上，百度還面向廣大網(wǎng)民推出云存儲系統(tǒng)，在前不久發(fā)布的百度易手機上，每個用戶可擁有100G的免費存儲空間。
陳尚義介紹，為了應(yīng)對上百PB的數(shù)據(jù)，滿足諸多近乎苛刻的要求，百度作出了巨大努力，“開發(fā)了網(wǎng)頁更新模型，將對磁盤的隨機寫轉(zhuǎn)化為批量的順序?qū)�，大大提高了�?shù)據(jù)的寫入速度，縮短了網(wǎng)頁數(shù)據(jù)的更新周期，提高了搜索引擎等產(chǎn)品的時效性；對涉及數(shù)據(jù)存儲和訪問的各個方面進行了全局優(yōu)化；定制Flash，使存儲系統(tǒng)直接對Flash的多通道(Multiple Chanel)編程，既提高了并發(fā)性，又提高了存儲資源的容量；采取多副本存儲，以提高系統(tǒng)的可靠性和可用性；創(chuàng)造性地開發(fā)了自主知識產(chǎn)權(quán)的復制協(xié)議(Replication Protocol)；采取數(shù)據(jù)分治策略，保證數(shù)據(jù)存儲的各個部件可以水平擴展，即通過簡單地增加服務(wù)器就可以達到擴展的目的；采用拆片存儲技術(shù)，避免單機存儲熱點記錄或大記錄所帶來的性能瓶頸；運用局部更新大記錄的策略，對于大記錄分塊存儲，只有修改了的塊才被更新，而不是對整個大文件都重寫；采用三層數(shù)據(jù)存儲模型，將熱點數(shù)據(jù)存放于內(nèi)存，較熱的數(shù)據(jù)存放于flash， “冷”數(shù)據(jù)存放于磁盤，針對數(shù)據(jù)訪問的特性充分利用各種資源的優(yōu)勢。
陳尚義透露，未來，百度還將開發(fā)跨數(shù)據(jù)中心的存儲系統(tǒng)，面臨帶寬、通信穩(wěn)定性所帶來的壓力；在數(shù)據(jù)量、吞吐量急劇增大的背景下，不斷提高時效性、一致性、減低延遲、提高并發(fā)；在新的Flash/SSD硬件和萬M網(wǎng)絡(luò)的引入、數(shù)據(jù)存儲和處理瓶頸發(fā)生轉(zhuǎn)移的情況下，百度原來積累的存儲體系將面臨變革。
核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.oesoe.com/
本文網(wǎng)址：http://www.oesoe.com/html/consultation/1083936078.html
相關(guān)文章
