这本由供应商撰写的技术入门书是由Network World编辑的，目的是消除产品推广，但读者应该注意，有个足球雷竞技app它可能更倾向于提交者的方式。
当组织以易于消费的分析的形式使大数据广泛可用时，他们应该考虑将功能外包给云计算。通过选择大数据作为服务解决方案，处理Hadoop、Spark、Hive等大数据技术中资源和时间密集型的操作方面，企业可以专注于大数据的好处，而不是繁重的工作。
大数据的出现引起了人们对企业如何能够接受它的潜力，将其对组织的价值更大的部分，并纳入该数据与预先存在的企业数据存储，例如企业数据仓库（EDWs）和数据集市的基本问题。
如今，大数据技术在商业应用中的主导地位是Apache Hadoop。它与其他技术一起使用，这些技术是更大的Hadoop生态系统的一部分，比如Apache Spark内存处理引擎、Apache Hive数据仓库基础设施和Apache HBase NoSQL存储系统。
为了让企业包括在其核心企业数据架构的大数据，适应和大数据投资作为一项服务技术是必需的。适合于当今要求现代数据架构应包括以下几部分组成：
*高性能，Hadoop的分析准备数据存储。大数据如何才能快速且便于分析?构建一个便于分析的大数据环境的最佳实践是创建一个分析数据存储，从Hadoop数据湖加载最常用的数据集，并将它们结构成多维模型。有了Hadoop上的可分析数据存储，组织可以对查询得到最快的响应。这些模型对于业务用户来说很容易理解，并且它们有助于探索业务上下文是如何随时间变化的。
该分析数据存储不仅必须支持已知用例的报告，还必须支持对未计划场景的探索性分析。这个过程对用户应该是无缝的，不需要知道是直接查询分析数据存储还是Hadoop。
*语义层有利于“商业语言”的数据分析。如何让更多的商业用户访问大数据?为了隐藏原始数据中的复杂性，并以容易理解的业务术语向业务用户公开数据，需要语义覆盖。此语义层是数据的逻辑表示，可以在其中应用业务规则。
例如，语义层可以将“高价值客户”定义为“那些已经成为客户超过三年并且正在定期进行新购买或更新购买的客户”。“高价值客户”的数据可能来自不同的表，在到达语义层之前经过了不同级别的计算和转换，所有这些对于查询“高价值客户”的业务用户都是不可见的。
此前，企业用户必须查询Hadoop的直接，这是不切实际的，或从IT请求信息，这意味着等待报告的请求队列。语义层使业务用户分析和探讨使用熟悉的业务术语数据 - 而不需要等待IT优先请求。它还允许的数据，报告中显示为不同的用户，保持对齐和一致性，并节省IT回应对案件逐案基础上每一个人请求的努力重用和分析。
*多租户大数据环境。无论员工坐在哪里，如何在整个组织内访问大数据?随着对分析的广泛需求，组织需要采用一种集中和分散的混合数据处理方法。这允许不同的团队合并本地数据集和语义定义，同时访问它创建的企业数据资源。
这种混合方法可以用多租户数据结构来实现。在此架构中，IT收集并清除数据到共享的Hadoop数据湖，并准备从数据的中央语义层和分析数据存储。
然后，它为不同的业务部门，如财务，销售，市场营销和客户支持集中式数据环境的虚拟副本。这样一来，它不断在数据治理和语义规则的权力，而商业团体和部门能真正看到他们的日常业务活动中与存储在Hadoop中的历史或企业数据的影响。
*消费分析的用户友好的方式。如何让大数据分析的体验更加人性化?终端用户交付大数据的最后一个考虑因素是数据的表示形式。这些数据接口应该满足所有用户的独特和个人需求。这一需求包括为业务用户提供高度交互性和响应性的仪表板，为分析人员提供直观的可视化发现，为信息消费者提供像素完美的预定报告。
虽然每种风格都是独特的，但最佳实践是确保每个界面不是一个单独的工具，以便在创建、协作和发布信息时保持一致性和准确性。这只能通过语义层实现，语义层确保数据值保持一致，而不同用户界面的数据表示可能不同。
大数据对企业越来越重要，是企业数据架构的基础部分。为了充分挖掘大数据的潜力，企业需要加快对有效分析和存储数据的技术的投资。大数据和分析的云解决方案使这成为可能。有了它们，企业就可以在未来的数据增长中做好定位，从而在不断演变的大数据生态系统中脱颖而出。