傳統技術不給力 軟硬一體機智斗大數據

　　最近幾年，業界對大數據的關注度直線上升，全球各大IT廠商和企業紛紛躍躍欲試，都希望能夠在大數據上獲得更大的商機。所謂"大數據"有兩個典型特征，一個數據結構復雜，數據挖掘過程困難；第二，數據量大，而且更新快，處理及時性要求特別高。

　　大數據帶來的挑戰和機遇

　　很多人會有疑問，首先，大數據與海量數據的區別是什么？大數據的數據量不一定有多大，但是數據結構一定是非常復雜，通常處理這些數據集通常要分配到幾個系統耗費超過24個小時的時間才能完成。

　　另外，大數據來自于哪里呢？常見的大數據來自于我們看到的和看不到的地方，例如博客、點擊流數據、機器和傳感數據和社交媒體等非結構數據，包括企業的呼叫中心、RFID芯片、供應鏈應用工具和物流工具等，還包括發生在我們身邊的短信、客戶記錄、ATM交易、監控攝像等，都是大數據的一份子。

　　很多專家認為，"大數據"的推動因素主要是來自一些大型公司，包括金融、銀行等，以及一些電子商務和互聯網公司，例如京東、谷歌、百度等。這些公司需要以非常優化的方式分析數據和讓計算與存儲配合工作，另外，一些來自健康醫療、地理空間影像和數字媒體等行業的各種大數據。

　　但現在的關鍵問題是，當前大部分企業并不擁有可以有效分析和利用這些數據的能力。對于企業來說，能夠解析自己客戶的每一個數字化的蛛絲馬跡者必將擁有領先優勢，這種能力不僅僅在于能夠了解過去幾個小時里誰在哪里買了什么東西，而且還能夠知悉他們是否對此發表了微博、有沒有在社交網絡上發過相關相片。

　　而源自IDC一篇關于大數據的報告則一針見血地指出，大數據的商業價值是領軍企業與其他企業之間最大的顯著差別。那些沒有引入新分析技術和新數據類型的企業，不太可能成為這個行業的領軍者。

　　那么，針對大數據，當前有什么良藥呢？針對大數據的現狀，很多業界認為，大數據的分析是最直接有效的方法，但是這對于很多企業來說并非易事，可以說是挑戰和機遇并存。大數據分析面臨的最大挑戰就是嚴重缺乏技術熟練的專業人才。更糟的是，新一代分析工具與傳統BI和數據倉庫所需要的熟練技能不盡相同。缺乏商業支持和與大數據分析有關的整體成本是大數據分析所面臨的另外兩大障礙。現在，如果使用分析的方法處理這個問題，就能從大數據中獲得諸多好處，這些好處是傳統BI和數據倉庫技術所無法給予的。

　　未雨綢繆 英特爾提前布局大數據

　　如今，新技術的大量涌現以及IT硬件成本的大幅下降，讓企業有機會可以更加高效、快速地存儲、管理和分析各種類型的大數據，并且能夠對大數據開始分析和篩選，這些都是他們過去無法想象的。

　　近年來，市場對于大數據需求的呼聲越來越高，而未雨綢繆的英特爾也在很早就開始研發新技術不斷提升芯片的處理性能，強化對于大數據處理的支持。可以說，從1971年推出全球首個微處理器后，在長達四十年的時間內，英特爾一直主導著芯片科技的發展。

　　特別是，2012年年初，英特爾至強處理器家族新成員至強E5系列處理器的發布，使得英特爾至強E5在整體運算性能和I/O帶寬方面獲得了大幅提升。基于Sandy Bridge-EP架構的至強E5系列處理器采用Romley 服務器平臺，應用于二路及四路服務器。　　

原文地址:http://cloud.zol.com.cn/298/2986424.html

服務器租用/服務器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質保障！--億恩科技[ENKJ.COM]