是需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。
從技術上看，大資料與雲端計算的關係就像一枚硬幣的正反面一樣密不可分，必須採用分散式架構，必須依託雲端計算的分散式處理、分散式資料庫和雲端儲存、虛擬化技術。
同時大資料還需要特殊的技術，來有效處理大量的容忍經過時間內的資料。
這些技術包括大規模並行處理資料庫、資料探勘、分散式檔案系統、分散式資料庫、雲端計算平臺、網際網路和可擴充套件的儲存系統。
IBM也曾提出了大資料的特點：大量、高速、多樣、低價值密度、真實性。
但，大家都不會簡單的從這些概念上的東西來進行回答。
良久。
譚凌開口道，“我認為大資料就是數量龐大的任意資料，甚至這些資料本身並沒有什麼卵用，而且還沒什麼價值，扔之可惜。”
“當然，大資料其實始終貫穿著人類的歷史，從古至今的各種法例都能看到大資料的蹤跡。”
“比如連環案件分析？”林唐插嘴道。
也不知道林唐是不是最近看柯南看多了，張口就是連環案件。
其他幾人各有回答。
獨剩下蘇小木沉默不語。
“小木同學，你來說說？”張可點了名。
蘇小木簡單的答道，“說不好，我覺得大資料無非就是多維分析，最終針對的還是人。”
“每個人都有每個人對大資料的理解，我們的課題只是從大資料出發，探索主導資料、行為模型的一個片段。”
張可道。
“大家可以透過課題，去找到每個人對大資料的新理解。”
“硬體層面的準備基本完善，但軟體層面的部署還得我們親自來，首先是分散式檔案系統，我們討論一下，是否直接使用Hadoop實現的分散式檔案系統：HDFS？”
張可的問題引發了課題實驗組每個成員的意見發表。
首先HDFS基本上是個通用的大資料分散式檔案系統，最重要的一點是設計就是用來部署在低廉硬體上的。
包括Hadoop，完全就是為了大資料而開發的程式。
Hadoop框架最核心的設計就兩點，HDFS和MapReduce。
HDFS為海量資料提供了儲存方式，MapReduce為海量資料提供了計算。
蘇小木試圖爭取了一下，“教授，如果我們課題的時間足夠長的話，不如我們試試自己實現，不借用Hadoop，重新設計分散式檔案系統、並行運算演算法、並行處理資料庫這些。”
“這樣一來，專業針對的就是課題本身的演算法、主導資料與行為模型。”
蘇小木的話是有道理的，當然也是有私心的……
======
2更。