云计算重要吗,大数据分析要用它吗?

发布网友 发布时间：2022-04-26 19:54

我来回答

共5个回答

热心网友 时间：2022-04-14 23:14

　　云计算与大数据分析，云计算在大数据分析的重要性如何？

　　您是否知道零售业沃尔玛每小时从大约100万个客户生成2.5 PB的数据?

　　而且，如果您想知道多少PB(就像我初读时一样)，那么它等于1百万GB。相当于13.3年的高清视频。

　　考虑到沃尔玛每天营业时间超过10个小时，我们获得了惊人的130年高清视频和每天25 PB的数据!

　　是的，没有像沃尔玛这样的公司。

　　但是如今，即使是规模较小的企业也会生成大量数据，因此，利用这种信息量变得越来越具有挑战性。

　　是的，大数据分析是这一切的核心。但是，在应用大数据分析之前，我们必须对另一个至关重要的参与者(通常是云和云计算)采取公正的态度。这正是我们在本文中重点讨论的内容。

　　为什么云计算对于2020年代的大数据分析至关重要?

　　为了理解云计算在大数据分析方面所提供的优势，让我们想象一个拥有当今数据量却没有服务器的当今世界。

　　在这种不幸的情况下，公司需要在本地运行的数据库，对吗?

　　因此，每次当您作为大数据分析家想要进行新的分析或刷新现有算法时，都必须将信息从*数据库传输到计算机，然后继续在本地进行操作。

　　这个不幸的世界将有几个主要缺点：

　　1)需要人工干预来检索数据;

　　2)对于您在本地进行的分析，您的机器成为单点故障;

　　3)处理速度将等于您计算机的计算能力;

　　4)由于您可以使用的计算资源有限，因此您有可能使用有限的数据量;

　　5)此外，在这种设置下，您将无法利用实时数据来构建推荐系统或任何需要“实时”数据的机器学习算法。

　　听起来不完美吗?

　　好吧，这就是我们发明服务器的原因。

　　然后，这些服务器都有其自身的缺点。

　　1)最明显的一个是服务器需要存储空间。基本上，云是别人的服务器，这就是他们的存储问题。

　　2)服务器基础架构的购买和设置成本很高。云基础架构已经存在，只是在等待服务器使用。

　　3)内部数据存储需要您进行备份，并且理想情况下-将备份放在不同的位置。云通常在世界各地的许多不同服务器上备份，随时随地提供数据。

　　4)服务器需要计划。对于快速增长的公司，即使在当前季度，服务器需求也可能无法预测。使用内部服务器，您通常最终会购买超出给定时间实际需求的服务器。使用云–您支付的费用与使用时一样。

　　你明白我的意思吧?

　　幸运的是，我们现在有了云。

　　他们几乎在所有可能的方面都使本地服务器黯然失色。而且，实际上，大数据分析家应该专注于开发出色的算法，测试假设，利用所有可用数据，而不必等待几个小时来查看他们正在执行的测试的结果，当然也不必担心他们有多少存储空间留在他们的计算机上。

　　是的，有时候大数据分析家确实需要等待很长时间才能训练算法，但是有了云，他们可以选择支付更多费用并更快地完成工作。

　　那是服务器上云计算的另一个优势。

　　话虽如此，最大的赢家是较小的实体，因为它们可以廉价地获得与大型公司相同的工具。这就是为什么云技术是巨大的推动力的原因。它们创造了一个公平的竞争环境，并允许小型玩家与大型玩家竞争。

　　如果您考虑一下，这项技术进步以类似于Internet改变商务方式的方式改变了许多企业。

　　还记得世界各地的人们突然之间能够开设电子商务商店并在全球范围内与老牌公司竞争吗?

　　嗯，以同样的方式，云技术和云计算使数据分析和大数据分析民主化。

　　大数据分析家和数据分析师可以依靠存储在云中的数据这一事实，确实使他们的生活变得更加轻松!

　　此外，大多数云提供商都允许大数据分析家立即访问易于安装的开源框架。这不仅非常方便，而且可以节省大量时间。

　　另外，如果您想以常规方式使用Apache Spark，则必须：

　　1)首先安装Java，

　　2)然后继续安装Scala

　　3)之后，您将能够下载并安装Apache Spark。

　　如果您在自己的电脑上工作，那是您需要经历的设置。但是，如果您使用的是云服务，则可以立即开始使用Apache Spark框架!是的，已经为您安装了。这对于许多不同的开源框架都是有效的。

　　这种易于访问，易于使用的基础结构非常有吸引力，并且可能适用于数据分析师和大数据分析家在工作中使用的各种应用程序。

　　在过去的几年中，Amazon Web Services，Microsoft Azure和Google Cloud尝试通过运行机器学习算法的能力来增强其云服务。三大云服务领域广泛地关注这一领域，因为他们意识到从长远来看，它可能是竞争优势的重要来源。并且，如果您想知道：

　　云机器学习的最大卖点之一是，它允许中小型企业访问他们无法负担的机器学习基础架构。

　　例如，借助基于云的机器学习，小型电子商务零售商可以运行实时推荐系统算法，以根据已添加到购物车中的产品来改善向客户展示的产品。在这种类型的业务中，每次网站点击都可以解释为一种特定的意图和信号，因此，在云中运行的实时更新算法将能够提出建议，从而提高进行转化和最大化机会收入。

　　如果没有基于云的机器学习，则设置必要的基础架构来执行这种类型的分析将确实非常昂贵。因此，中小型企业将很难执行。

　　尚不清楚谁将赢得阿里云，Microsoft Azure、百度云、腾讯云和Google Cloud等巨头之间的云战。但是有一件事是肯定的。

　　这项服务使中小型企业受益匪浅，使他们在与具有卓越IT基础架构的大型*公司竞争时，可以公平地竞争。

　　准备迈向大数据分析的下一步了吗?

相关推荐

论云计算在大数据分析的重要性

如何编写大数据分析师简历

大数据分析与机器学习之间的区别与联系

如何成为大数据分析师进阶指南

大数据分析的原理和潜力

企业使用大数据分析的10种关键技术

大数据分析技术的发展趋势

大数据分析技术应用领域有哪些

如何学习大数据分析

大数据分析能干什么

*利用大数据分析技术的八个黄金案例:智慧政务

大数据分析太难了学的想哭

大数据分析培训课程内容有哪些

转行大数据分析师后悔了

热心网友 时间：2022-04-15 00:48

热心网友 时间：2022-04-15 02:40

热心网友 时间：2022-04-15 04:48

热心网友 时间：2022-04-15 07:12