Oracle预测2017年大数据的趋势

Oracle预测2017年大数据的趋势将在2017年出现，大数据技术仍在快速发展。无论是物联网，云计算，还是企业技术，它都已开始将自身作为一种新的变革方向。许多公司一直在积极采用大数据技术作为提高市场竞争力的核心因素。在今天的文章中，我们将根据Oracle提供的预测总结2017年的十大数据趋势。 1.机器学习时代过去的机器学习仅限于数据科学家社区，但2017年将是机器学习的第一年。无论是Google的最新排名算法还是电子产品的智能转换，各种场景都将机器学习融入其中。大数据在2016年发展良好，相信大数据将在新的一年继续保持这一势头。——尤其是机器学习技术的核心部分。作为大数据领域的重要成员，机器学习已经渗透到业务分析和后端系统等各个领域，最终彻底改变了政府和企业跨物理和虚拟服务器实施数据集处理的实际方式。未来值得关注的变革领域包括医疗保健自动化和能源行业。 2.云数据凝聚力毫无疑问，大数据技术非常适合云服务器托管，但其覆盖范围将在2017年进一步增加。从隐私问题到数据主权，自云计算诞生以来出现的激烈争论将逐步找到解决方案。随着数据集的大小增加，大多数组织可能会选择使用虚拟服务器，以免在迁移工作中出现歧义。 2017年的一个重大转变是人们不再将数据迁移到云，而是将云资源引入数据。因此，满足特定数据需求的云应用程序策略将变得至关重要。 3.数据驱动的应用程序大数据技术长期以来因其对IT领域的深远影响而闻名。然而，最近的趋势调查显示，越来越多的用户将分析甚至企业应用程序与大数据相结合。 从支持AI的应用程序到Megabox等数据流客户端，每个企业很快就会迎来自己的大数据转换——以及由此产生的下一代数据驱动应用程序。物联网和综合物联网技术因组件设计和实施障碍而受到批评。虽然我们仍然无法实现第二次物联网创新，但大数据的干预仍然可以有效地解决问题。无论是以移动为中心的应用程序还是以家庭为基础的工具，物联网和大数据的结合将在2017年发生变化。物联网应用程序开发将变得更加容易，影响范围将继续扩大。我们期待智能城市，甚至是新一年即将出现的智能国家级项目。

5.数据虚拟化成为现实

根据业务经理的观点，数据岛传播问题已成为一个普遍问题。无论是NoSQL，Spark还是Hadoop，现有的数据库解决方案都将在新的一年里迎来更多的协作对象。可以肯定的是，只要公司找不到真正完美的存储库解决方案，黑暗数据集就会一直存在。然而，好消息是我们相信统一访问将逐步形成并推动2017年数据虚拟化的兴起。由于数据本身不再需要移动，这个解决方案将大大提高分析速度和进度大数据技术的实施。 6.停靠Kafka如果没有Apache Foundation构建的Kafka，大数据预测根本就没有完整性。虽然卡夫卡仍处于发展阶段，但很可能在今年第三季度迎来成熟的高峰期。具体来说，卡夫卡有望成为人们期待已久的大数据技术实现的基石。此外，作为总线技术的架构级别，Kafka可以轻松处理数据结构甚至非常大的数据集。——主要用于数据湖泊，相关传播和用户访问的推广。 7.云数据系统的快速发展（预打包和集成）从头开始构建传统的数据实验室非常困难。然而，随着公司越来越依赖大数据技术，集成云数据系统的开发也得到了显着提升。这些预先打包的功能实体包括各种复杂性，例如数据科学，分析，数据争用甚至数据集成。 2017年，针对大数据用例的预打包云系统将在采用率方面实现显着增长。 8. Hadoop HDFS替代品Hadoop的HDFS长期以来一直是最受欢迎的数据驻留平台，但对象存储技术最终将在2017年中期获胜。可以肯定的是，对象存储具有更好的数据复制，可用性和备份性能。此外，对象存储的良好可行性是另一大优势。 这些存储库将面向基于与HDFS相同的数据层的大数据资源。 9.云级深度学习如前所述，数据虚拟化可以轻松实现，无需额外的层。因此，这些方法将推动各种类型的加速技术的激增，包括NVMe甚至GPU。 2017年，深度学习也将与大数据指标相结合。可视化结果将充分受益于无拥塞，高容量，高I/O甚至更好的网络性能。 10. Hadoop的重要性进一步增强了使用Hadoop谨慎使用大数据的用户和企业，但Hadoop部署将在新的一年中渗透所有可能的数据中心项目。 Hadoop安全性将作为强制功能存在，并将限制每个域中的可行应用程序。总结近年来大数据的增长率非常惊人。然而，随着物联网甚至社交媒体的迅速崛起，大数据应用的未来将呈现出更具爆炸性的增长。 2017年，通过广泛采用大数据和其他相关技术，我们将能够实现更准确的预测能力，更低的实施成本和切实的以业务为中心的优势。