Por que a nuvem é imperativo para Big Data

existem inúmeras combinações de modelos de implantação e entrega para grandes dados na nuvem. Por exemplo, você pode utilizar uma nuvem pública IaaS ou uma nuvem privada IaaS. Então, o que isso significa para big data e por que é a nuvem um bom ajuste para isso? Bem, big data requer conjuntos distribuídos de poder de computação, que é como a nuvem é arquitetado.

Na verdade, uma série de características de nuvem torná-lo uma parte importante do grande ecossistema de dados:

• escalabilidade: Escalabilidade em relação a hardware refere-se à capacidade de ir de pequenas a grandes quantidades de poder de processamento com a mesma arquitetura. No que diz respeito ao software, refere-se a consistência do desempenho por unidade de poder como aumento dos recursos de hardware. A nuvem pode ser dimensionado para grandes volumes de dados.

  A computação distribuída, parte integrante do modelo de nuvem, realmente funciona em um # 147 dividir e conquistar # 148- plano. Então se você tem grandes volumes de dados, que pode ser dividido entre os servidores em nuvem. Uma característica importante da IaaS é que ele pode ser dimensionado de forma dinâmica. Isto significa que se você acabar precisando de mais recursos do que o esperado, você pode obtê-los. Isto está no conceito de elasticidade.

• Elasticidade: A elasticidade refere-se à capacidade de aumentar ou diminuir a procura de recursos de computação em tempo real, com base na necessidade. Um dos benefícios da nuvem é que os clientes têm o potencial para aceder tanto de um como de serviço de que necessitam. Isso pode ser útil para projetos de big data onde você pode precisar para expandir a quantidade de recursos necessários para lidar com os dados de computação.

• Pool de recursos: arquiteturas em nuvem permitem a criação eficiente dos grupos de recursos compartilhados que fazem a nuvem economicamente viável.

• Self-service: Com a auto-serviço, o usuário de um recurso de nuvem é capaz de usar um navegador ou uma interface de portal para adquirir os recursos necessários, por exemplo, para executar um grande modelo preditivo. Este é dramaticamente diferente de como você pode ganhar recursos de um centro de dados, onde você teria que solicitar os recursos de operações de TI.

• custos muitas vezes baixos iniciais: Se você usar um provedor de nuvem, up-front custos muitas vezes pode ser reduzido porque você não está comprando enormes quantidades de hardware ou locação de um novo espaço para lidar com seus grandes dados. Ao tirar partido das economias de escala associadas a ambientes de nuvem, a nuvem pode parecer atraente.

• Pay as you go: A opção de faturamento típico para um provedor de nuvem é Pay as You Go, o que significa que são cobrados por recursos utilizados com base no exemplo de preços. Isso pode ser útil se você não tiver certeza de que os recursos que você precisa para seu projeto de dados grande.

• Tolerância ao erro: prestadores de serviços em nuvem deve ter tolerância a falhas construído em sua arquitetura, fornecendo serviços ininterruptos, apesar da falha de um ou mais dos componentes do sistema.

Claramente, a própria natureza da nuvem torna um ambiente de computação ideal para big data. Então, como você pode usar dados de grandes juntamente com a nuvem? aqui estão alguns exemplos:

• IaaS em uma nuvem pública: Neste cenário, você estaria usando a infraestrutura de um provedor de nuvem pública para os seus serviços de dados grandes, porque você não quer usar a sua própria infra-estrutura física. IaaS pode proporcionar a criação de máquinas virtuais com armazenamento quase ilimitada e poder de computação. Você pode escolher o sistema operacional que você quer, e você tem a flexibilidade para redimensionar dinamicamente o ambiente para atender às suas necessidades.

• PaaS em uma nuvem privada: PaaS é uma infra-estrutura inteira embalados para que ele possa ser usado para projetar, implementar e implantar aplicações e serviços em um ambiente de nuvem pública ou privada. PaaS permite que uma organização para alavancar principais serviços de middleware sem ter que lidar com as complexidades do gerenciamento de elementos de hardware e software individuais.

  fornecedores de PaaS estão começando a incorporar tecnologias de dados grandes, como Hadoop e MapReduce em suas ofertas de PaaS. Por exemplo, você pode querer construir uma aplicação especializada para analisar grandes quantidades de dados médicos. A aplicação possa fazer uso do tempo real, bem como dados não em tempo real. Ele vai exigir Hadoop e MapReduce para armazenamento e processamento.

• SaaS em uma nuvem híbrida: Aqui você pode querer analisar # 147-voz do cliente # 148- dados de múltiplos canais. Muitas empresas têm vindo a perceber que uma das fontes de dados mais importantes é o que o cliente pensa e diz sobre a sua empresa. Obtendo acesso a voz dos dados do cliente pode fornecer insights valiosos sobre comportamentos e ações. Cada vez mais, os clientes são # 147 vocalizando # 148- em sites públicos.

  O valor de entrada dos clientes pode ser muito maior, incorporando esses dados públicos em sua análise.