分析：大數(shù)據(jù)行業(yè)的兩大誤區(qū)

分析：大數(shù)據(jù)行業(yè)的兩大誤區(qū)

先從概念上來說，大數(shù)據(jù)是什么？其實數(shù)據(jù)處理從人類誕生時期就有了，古人結(jié)繩記事就是基本的統(tǒng)計，統(tǒng)計自己吃了幾頓飯打了幾次獵等等；再往近說，皇帝每晚翻嬪妃的牌子也是數(shù)據(jù)處理，在翻牌子之前，要從一大堆牌子里分析“方便”、“熱度高”、“新鮮度”等指標；更近的說，數(shù)據(jù)倉庫早在大數(shù)據(jù)這個詞出現(xiàn)前就已經(jīng)成熟發(fā)展了好幾十年了。所以說，大數(shù)據(jù)并不新鮮，只是某些技術(shù)如Hadoop、MR、Storm、Spark發(fā)展到一定階段，順應這些技術(shù)炒出來的概念，但是這些概念都基于一個基本的理念“開源”，這個理念是之前任何階段都沒有過，可以節(jié)省費用提高效率，所以大家才都往這個行業(yè)里扔火柴(話說現(xiàn)在很多人跟風亂吵，個人認為也不是壞事)。誤區(qū)一：只有搞大數(shù)據(jù)技術(shù)開發(fā)的，才是真正“圈內(nèi)人”。筆者曾經(jīng)參加過若干會議，70%是偏技術(shù)的，在場的都是國內(nèi)各個數(shù)據(jù)相關(guān)項目經(jīng)理和技術(shù)帶頭人，大家討論的話題都是在升級CDH版本的時候有什么問題，在處理Hive作業(yè)的時候哪種方式更好，在Storm、Kafka匹配時如何效率更高，在Spark應用時內(nèi)存如何釋放這些問題。參會者都一個態(tài)度：不懂大數(shù)據(jù)技術(shù)的人沒資格評論大數(shù)據(jù)，您要不懂Hadoop2.0中的資源配置，不懂Spark在內(nèi)存的駐留時間調(diào)優(yōu)，不懂Kafka采集就別參加這個會！對了，最近Google完全拋棄MR只用Dataflow了，您懂嗎？不懂滾粗！在這里我想說，技術(shù)的進步都是由業(yè)務驅(qū)動的，某寶去了IOE才能叫大數(shù)據(jù)嗎，我作為一個聾啞人按摩師用結(jié)繩記事完成了對于不同體型的人，用什么按摩手法進行全流程治療，就不叫大數(shù)據(jù)分析了嗎？技術(shù)發(fā)展到什么程度，只有一小部分是由科學家追求極致的精神驅(qū)動，大部分原因是因為業(yè)務發(fā)展到一定程度，要求技術(shù)必須做出進步才能達成目標的。所以，真正的大數(shù)據(jù)“圈內(nèi)人”至少要包含以下幾種人：一、業(yè)務運營人員。比如互聯(lián)網(wǎng)的產(chǎn)品經(jīng)理要求技術(shù)人員，必須在用戶到達網(wǎng)站的時候就算出他今天的心情指數(shù)，而且要實現(xiàn)動態(tài)監(jiān)測，這時候只能用Storm或者Spark來處理了；比如電信運營商要求做到實時營銷，用戶進入營業(yè)廳的時候，必須馬上推送短信給用戶，提示他本營業(yè)廳有一個特別適合他的相親對象(呈現(xiàn)身高、三圍、體重等指標)，但是見面前要先購買4G手機；再比如病人來到銀行開戶，銀行了解到用戶最近1周曾經(jīng)去醫(yī)院門診過兩次，出國旅游過3次，帶孩子游泳兩次，馬上客戶經(jīng)理就給客戶推薦相關(guān)的銀行保險+理財產(chǎn)品。這些業(yè)務人員，往往是驅(qū)動技術(shù)進步的核心原因。二、架構(gòu)師。架構(gòu)師有多么重要，當一個業(yè)務人員和一個工程師，一個說著業(yè)務語言，一個說著技術(shù)術(shù)語在那里討論問題的時候，工程師往往想著用什么樣的代碼能馬上讓他閉嘴，而架構(gòu)師往往會跳出來說“不，不能那樣，你這樣寫只能解決一個問題并且會制造后續(xù)的若干問題，按照我這個方案來，可以解決后續(xù)的若干問題！”一個非技術(shù)企業(yè)的IT系統(tǒng)水平，往往有70%以上的標準掌握在架構(gòu)設(shè)計人員手里，盡快很多優(yōu)秀的架構(gòu)師都是從工程師慢慢發(fā)展學習而來的，IT架構(gòu)的重要性，很多企業(yè)都意識到了，這就是很多企業(yè)有CTO和CIO兩個職位，同樣重要！架構(gòu)之美，當IT系統(tǒng)平穩(wěn)運行的時候沒人能感受到，但是在一個煙囪林立、架構(gòu)混亂的環(huán)境中走過的人眼中，IT開發(fā)一定要架構(gòu)現(xiàn)行，開發(fā)在后！三、投資人。老板，不用說了，老板給你吃穿，你給老板賣命，天生的基礎(chǔ)資料提供者，老板說要有山便有了山，老板說要做實時數(shù)據(jù)處理分析，便有了Storm，老板說要做開源，便有了Hadoop，老板還說要做迭代挖掘，便有了Spark……四、科學家。他們是別人眼中的Geek，他們是別人眼中的高大上，他們是類似于霍金一樣的神秘的早出晚歸晝伏夜出的眼睛男女，他們是驅(qū)動世界技術(shù)進步的核心力量。除了世界頂級的IT公司(往往世界技術(shù)方向掌握在他們手中)，其他公司一般需要1-2個科學家足以，他們是真正投身于科學的人，不要讓他們?nèi)タ紤]業(yè)務場景，不要讓他們?nèi)タ紤]業(yè)務流程，不要讓他們?nèi)ビ嬎愠杀?，不要讓他們?nèi)タ紤]項目進度，他們唯一需要考慮的就是如何在某個指標上擊敗對手，在某個指標上提高0.1%已經(jīng)讓他們可以連續(xù)奮戰(zhàn)，不眠不休，讓我們都為這些科學家喝彩和歡呼吧。在中國，我認為真正的大數(shù)據(jù)科學家不超過百人……五、工程師。工程師是這樣一群可愛的人，他們年輕，沖動，有理想，又被人尊稱為“屌絲”“鍵盤黨”，他們孜孜不倦的為自己的理想而拼搏，每次自己取得一點點進步的時候，都在考慮是不是地鐵口的雞蛋灌餅又漲了五毛錢。他們敏感，自負，從來不屑于和業(yè)務人員去爭論。工程師和科學家的不同點在于，工程師需要頻繁改動代碼，頻繁測試程序，頻繁上線，但是最后的系統(tǒng)是由若干工程師的代碼組合起來的。每個自負的工程師看到系統(tǒng)的歷史代碼都會鄙視的發(fā)出一聲“哼，這垃圾代碼”，之后便投入到被后人繼續(xù)鄙視的代碼編寫工作中去。六、跟風者。他們中有些是培訓師，有些是殺馬特洗剪吹，有些是煤老板有些是失足少女。他們的特點就是炒，和炒房者唯一不同的就是，他們不用付出金錢，他們認為只要和數(shù)據(jù)沾邊就叫大數(shù)據(jù)，他們有些人甚至從來沒碰過IT系統(tǒng)，他們是渾水摸魚、濫竽充數(shù)的高手，他們是被前幾種人鄙視的隱形人。不過我想說，歡迎來炒，一個行業(yè)炒的越兇，真正有價值的人就更能發(fā)揮自己的作用。誤區(qū)二：只有大數(shù)據(jù)才能拯救世界大數(shù)據(jù)目前的技術(shù)和應用都是在數(shù)據(jù)分析、數(shù)據(jù)倉庫等方面，主要針對OLAP(OnlineAnalyticalSystem)，從技術(shù)角度來說，包含我總結(jié)的兩條腿：一條腿是批量數(shù)據(jù)處理(包括MR、MPP等)，另一條腿實時數(shù)據(jù)流處理(Storm、內(nèi)存數(shù)據(jù)庫等)。在此基礎(chǔ)上，部分場景又發(fā)現(xiàn)MR框架或?qū)崟r框架不能很好的滿足近線、迭代的挖掘需要，故又產(chǎn)生了目前非常火的基于內(nèi)存數(shù)據(jù)處理Spark框架。很多企業(yè)目前的大數(shù)據(jù)框架是，一方面以Hadoop2.0之上的Hive、Pig框架處理底層的數(shù)據(jù)加工和處理，把按照業(yè)務邏輯處理完的數(shù)據(jù)直接送入到應用數(shù)據(jù)庫中；另一方面以Storm流處理引擎處理實時的數(shù)據(jù)，根據(jù)業(yè)務營銷的規(guī)則觸發(fā)相應的營銷場景。同時，用基于Spark處理技術(shù)集群滿足對于實時數(shù)據(jù)加工、挖掘的需求。以上描述可以看出，大數(shù)據(jù)說白了就是還沒有進入真正的交易系統(tǒng)，沒有在OLTP(OnlineTransactionsystem)方面做出太大的貢獻。至于很多文章把大數(shù)據(jù)和物聯(lián)網(wǎng)、泛在網(wǎng)、智慧城市都聯(lián)系在一起，我認為大數(shù)據(jù)不過是條件之一，其余的OLTP系統(tǒng)是否具備，物理網(wǎng)絡(luò)甚至組織架構(gòu)都是重要因素。最后還想說，大數(shù)據(jù)處理技術(shù)，再炫如Google的Dataflow或成熟如Hadoop2.0、數(shù)據(jù)倉庫、Storm等，本質(zhì)上都是數(shù)據(jù)加工工具，對于很多工程師來說，只需要把數(shù)據(jù)處理流程搞清楚就可以了，在這個平臺上可以用固定的模版和腳本進行數(shù)據(jù)加工已經(jīng)足夠。畢竟數(shù)據(jù)的價值70%以上是對業(yè)務應用而言的，一個炫詞對于業(yè)務如果沒有幫助，終將只是屠龍之