大数据时代，大数据平台是为了满足企业的各种数据需求而创建的。那么，你的大数据分析平台应该具备哪些要求呢？你的大数据分析平台能跟上吗？西线学院的边肖编制了大数据分析平台的六大关键功能，仅供理解。
在数字时代，你选择的大数据分析平台必须满足广泛的需求。HPE总结了大数据分析平台必须提供的六项功能，以满足您当前和未来的需求，提高您的竞争地位，并实现出色的业务成果。
首先，它必须容纳海量数据
如果大数据分析平台不能扩展到存储或管理海量数据，仅仅提高速度的效果是相当有限的。大数据分析平台必须能够容纳海量数据。
大规模并行处理是扩展分析处理的理想技术，因为它同时利用了计算机集群的存储和计算能力。它不仅扩展了性能，还提高了处理大量传入数据流的能力。
此外，为处理结构化数据而设计的大数据平台使用了MPP，可以进一步加快处理操作，因为结构化数据已经针对分析程序进行了优化，并且减少了回答查询所需的搜索量。结构化数据库能够更好地了解数据在数据海洋中的位置，能够准确地访问数据。
一般来说，非结构化数据库很难扩展到列设计的结构化数据库所能达到的水平。但是，大数据分析平台可能会集成能够提高非结构化数据库的可扩展性和性能的功能。
其次，它必须非常快
简单来说，在数字时代，用户不希望在运行查询的同时等待结果很久。他们期望在不影响其他工作负载的情况下获得即时的满意度和即时的结果。这意味着大数据分析平台必须增强现有应用程序的性能，允许您开发具有挑战性的新分析方法，并提供合理、可预测和经济的横向扩展策略。
从技术角度来说，要达到这些预期，必须结合列数据库架构(相对于传统的基于行的非并行处理的数据库)，使用大规模并行处理技术或MPP。
原因是列设计可以最大限度地减少I/O争用，这是分析和处理延迟的主要原因。基于列的设计也可以提供极高的压缩比，通常比基于行的数据库提高四到五倍。MPP数据仓库通常按比例线性扩展，这意味着如果您将两节点MPP仓库的空翻倍，就可以有效地将其性能翻倍。
列设计和MPP的结合不仅可以大大提高性能(通常约100到1000倍)，还可以实现更低、更透明的定价机制，如针对每个TB的模型，而不是传统的针对每个处理器、节点和用户的定价方案。最终结果:性能呈指数级增长，大数据分析和处理的总成本大大降低。
(大数据分析平台主要功能采用率:阿伯丁集团)
第三，必须兼容传统工具
如果您的大数据分析平台依赖于提取、转换和加载(ETL)工具(如Attunity、Infor*tica、Syncsort、Talend或Pentaho)或基于*L的可视化工具(如Logi Analytics、Looker、MicroStrategy、Qlik、Tableau和Talena)，请确保该平台已通过认证，可以与所有这些工具一起工作，而不仅仅是与主要供应商一起工作。此外，请确保您使用的所有工具和扩展技术符合最新版本的ANSI *L标准(*L2011)。
第四，要用Hadoop，增加Hadoop的价值
Hadoop是Apache Software Foundation管理的开源软件平台，已经成为大数据分析领域的主要平台。许多数据库专业人士认为Hadoop是一种潜在的解决方案，可以解决他们原始数据仓库系统中的分析限制。不幸的是，他们经常发现Hadoop在实时查询和*L分析方面的性能与基于MPP的基于列的大数据分析平台相比严重不足。此外，为了支持Hadoop上的数据仓库工作负载，需要开发新技术、获取新软件，很多情况下还需要雇佣新人员。
另一方面，Hadoop在数据分析和处理方面也提供了一些明显的优势。因为是数据湖，可以在一个地方存储数据，节省成本。它提供暖储和冷藏。这种低成本存储可以保存可能使用的数据，但不保存日常分析中使用的热数据。它可以提供数据发现功能，帮助您了解数据是否具有商业价值。
通过ETL工具，它可以在数据进入组织时聚合或组织数据。如上所述，结构化、半结构化和多结构化数据可以在Hadoop中经济高效地放置、存储和处理。当使用关系数据库时，情况并非如此。我们需要的是这两种方法优势的结合:一种利用Hadoop而不会导致Hadoop服务性能下降和潜在中断的方法。
因此，需要寻求一个满足以下条件的大数据分析平台:Hadoop可以作为持久化、轻量级数据管理的高效平台，同时可以加速传统数据仓库工作量和高级分析程序。
第五，它必须为数据科学家提供支持
数据科学家在企业IT中具有较高的影响力和重要性，因此大数据分析平台应该在以下两个关键方面为数据科学家提供支持。首先，新一代数据科学家使用Java、Python、R等工具进行预测分析。底层分析数据库应该支持并加速创新预测分析的创建过程。
其次，这个平台应该有助于将数据科学家的工作与业务目标联系起来。如今，数据科学家的角色往往是从统计学家演变而来的，他们相对来说更具学术性，通常不熟悉宏观商业目标。在某些情况下，数据科学家得出的结论可能不完整、不准确或与业务结果无关。同时，商业人士总是乐于让统计人员在封闭的环境中工作，只在需要帮助的时候才会问他们。
一个快速、高效、易于使用和广泛部署的大数据分析平台可以帮助缩小业务人员和技术专家之间的差距。
VI .它应该提供高级分析功能
根据您的具体用途，可能有必要深入了解大数据分析引擎提供的内置*L分析功能。您必须查看底部，了解提供了什么样的*L分析，而不需要对数据进行分析。例如，如果您想对从设备(如物联网)获得的数据进行分析，您需要“时间序列分析”和“差距分析”等分析功能。如果没有这些功能，您可能需要花时间整理数据或编写自定义代码。
此外，对于许多组织来说，执行预测分析的能力变得越来越重要。确保大数据分析平台不仅使您能够在几秒钟内准备和加载数据，而且使您能够使用高级算法构建预测模型，并轻松地在数据库中部署用于评分的模型。这些和其他功能将使您能够加速大规模的机器学习、统计分析和图形处理，同时使数据科学家能够使用现有的统计软件包和首选语言。
