各巨頭的數據量級大曝光

 

    百度威廉·張表示，“數百PB，每一天需要處理的數據是數十個TB，許多數據要在幾秒鐘之內處理，很多數據在幾分鐘之內要處理，更多的是幾個小時之內處理就夠了，幾個小時處理數十個PB的數據，也是很困難的。所有的策略都是針對實時性和數據處理的時效性理來做的。互聯網用戶的需求是更加實時，如微博、團購、秒殺等，所以說實時處理十分重要。”

 

    Yahoo!周軼平談道，“雅虎的云計算平臺綜述超過三萬臺機器，最大的超過4000太左右，總存儲容量超過了100PB。”他表示，雅虎最近放了很多精力在保護用戶的隱私和數據安全性上，歐盟規定雅虎不能夠存儲用戶的數據超過一百天，雖然不能保存，但是雅虎做很深入的數據挖掘，從數據瓦局得到一些真正有價值的信息，并把這些信息保存下來。

 

    SAP杜濤也介紹了其需要幫助客戶處理的數據量的級別，“SAP作為企業級應用的提供商，更關注客戶的數據量是多少，這些客戶包括中小型企業到大型的客戶，其中有數據密集型的企業，如電信、金融、政府、零售等等，客戶的數量級包括從幾個TB到數百個TB。”同時，SAP自己有一個很大的數據中心，主要是為SAP的客戶提供服務，有三萬臺服務器，數據量大概是15TB并且有越來越多的客戶的數據會在SAP的數據中心。

 

    如何存儲并利用這些海量的數據？

 

    如此海量的數據，如何進行存儲、分析、處理？并基于海量數據的挖掘，為企業創造更大的商業價值？針對海量數據的挖掘的技術架構，幾位專家分別介紹了自己的法寶。

 

    SAP杜濤從兩個方面介紹SAP的海量數據處理方法，“一方面，在SAP的數據中心，采用了標準的云計算所用的虛擬化和分布式存儲；另一方面，針對單獨的企業，SAP在4月16號在德國發生了內存計算技術。海量數據的讀取和分析，在傳統的架構下，基于磁盤的IO是以毫秒級來計算的，而在內存RAM中處理時間是nm級的。所以SAP把客戶的數據經過壓縮的處理放到內存中去，進行讀取和分析，把之前在應用層的分析放到內存里面去做，提升性能，幫助用戶充分利用他們的數據。”

 

    Yahoo!的云計算的體系是以Hadoop為中心的，周軼平介紹到，并從數據采集（HDFS）、數據存儲和處理、數據服務三個層面入手，介紹了雅虎的海量數據處理的方案。數據采集方面，yahoo建立了DataHave負責從雅虎遍布全球數據中心中的幾十萬臺機器上實時收集數據，它有2個干道，主干道負責把數據以很高的一致性經過各種過濾清理以后，放到Hadoop的平臺上。但是這樣的處理方法實時性不是很高，為了滿足實時性的需求，還有一個旁道系統，能夠在秒級直接將數據源導入到Hadoop上。雅虎的數據處理都是基于Hadoop的實時的服務，同時Yahoop還有一套很大的不同業務邏輯所需求的服務系統，超過一半的數據處理都是使用HadoopPig數據引擎。

 

    百度威廉·張表示，面對互聯網的云計算，大搜索是基于索引的，如何對數據進行實時地快速的更新，就需要進行一些優化。比如說根據數據更新的頻率，建立在更新系統快或是更新系統慢的系統之上，根據地域的登錄跟重要性的登錄把它放到南方或者是北方的機房里，也就是說，主要是根據數據的應用來策略。機器學習的算法，內存里面的數據進行高復雜度的計算，可能要花費很長的時間，這在百度的環境中是不行的，無論是判斷用戶的需求、從用戶行為中得知需要推薦什么內容和什么廣告，這些都需要非常高的時效性和極規模的機器學習。
 
提供最全面的IDC資訊：
提供服務器托管租用方案；
業務代表：億恩柯南
QQ：965171276
電話：0371-63322201

文章摘自：IDC評述。