一出上云大戲，一曲數(shù)據(jù)倉庫的悲歌？

對于一家自身組織運行歷史數(shù)十年的公司來說，數(shù)據(jù)倉庫會是一種有效幫助其報告和理解相關操作的方式。在數(shù)據(jù)倉庫出現(xiàn)之前，對來自不同系統(tǒng)的數(shù)據(jù)進行報告與收集是一項昂貴、耗時而且常常徒勞無功的嘗試，而數(shù)據(jù)倉庫保證了來自單個存儲庫數(shù)據(jù)的干凈與集成性。

將多種報表工具連接到單個數(shù)據(jù)模型的能力催生了一個我們目前很數(shù)據(jù)的行業(yè): 商業(yè)智能(BI)。然而，由于復雜的方法和設計、不適當?shù)墓ぞ咭约案叩拈_發(fā)、維護和基礎設施成本所拖累，傳統(tǒng)數(shù)據(jù)倉庫體系結構和方法的原始概念應用在今天也變得不再那么易于接受。

可以說，不久前，計算依然是一個非常昂貴的資源，數(shù)據(jù)倉庫還受到“稀缺性管理（managing from scarcity）”觀念的限制。相反，各類方案數(shù)據(jù)設計也在盡量減少數(shù)據(jù)庫的規(guī)模，比如通過聚合數(shù)據(jù)、創(chuàng)建復雜的子數(shù)據(jù)庫設計和密切監(jiān)測資源的使用等。

但是在今天，似乎數(shù)據(jù)倉庫不再那么受到媒體們的重視。

數(shù)據(jù)倉庫，已涼？

隨著大數(shù)據(jù)，尤其是Hadoop的崛起，我們經(jīng)常會聽到供應商、分析師和大咖們說數(shù)據(jù)倉庫已經(jīng)死了。畢竟，它們昂貴、僵硬、緩慢。

人們常說，大數(shù)據(jù)是游戲規(guī)則改變者和數(shù)據(jù)倉庫的繼承者。但它其實不是，如果說有什么區(qū)別的話，那就是大數(shù)據(jù)為數(shù)據(jù)倉庫提供了一個實現(xiàn)自我價值(或者至少是將其延伸到更接近其原始目地的地方)的機會:成為有用的、可操作的分析數(shù)據(jù)來源。

但數(shù)據(jù)倉庫的思考者必須放棄對物理結構的執(zhí)著才能做到這一點。相反，未來的數(shù)據(jù)倉庫將不得不與許多不同的數(shù)據(jù)源合作。它將充當一種虛擬結構，運行一種“安靜的”歷史數(shù)據(jù)倉庫，并進行極致化、不受約束的分析數(shù)據(jù)庫以提供實時更新和實時響應，此外它還將運行其他非關系型大數(shù)據(jù)集群(如Hadoop)的包圍策略。這樣，大數(shù)據(jù)會迫使組織擴大其分析業(yè)務的規(guī)模，無論是在數(shù)量上還是在投入的種類上。而同樣重要的是，企業(yè)還要擴展其關于如何在組織內外擴展和加強技術使用的愿景。

本地部署？云？混合？

以下是目前部分(但不完整)的數(shù)據(jù)倉庫平臺列表:

傳統(tǒng)數(shù)據(jù)倉庫“幸存者”，他們最初是本地部署支持者，現(xiàn)在是混合玩家：

• IBM

• Microsoft

• Teradata

• Pivotal/Greeenplum

• Oracle

純云：

• Redshift

• Snowflake

• Incorta

• Google

一般來說，關系型數(shù)據(jù)庫（RDB）的數(shù)據(jù)倉庫繼承了上述這些模式的所有優(yōu)點和缺點，特別是對于那些專為事務處理而設計的RDB而言，但是后者的設計初衷其實是為了數(shù)據(jù)倉庫和它們用以支持分析的特別處理需求。

微軟，IBM和Oracle便是其中的代表。在數(shù)據(jù)倉庫的早期階段，這三家產(chǎn)品的性能非常差，這促使客戶尋求了那些專為數(shù)據(jù)倉庫運營而設計的產(chǎn)品，例如Teradata，Red Brick，Pivotal / Greemplum，Vertica以及Paraccel，后者的來源代碼由亞馬遜授權并重新命名為Redshift。

后來，廠商們在改進他們數(shù)據(jù)倉庫產(chǎn)品方面取得了一定的進展。如微軟授權Sybase為SQLServer提供代碼，IBM和Oracle也不斷改進和改進他們的產(chǎn)品。

就目前而言，所有五個“幸存者”都擁有完整的云，本地部署和混合云解決方案。問題是，“純云計算”產(chǎn)品和“幸存者”的云產(chǎn)品真的有什么不同嗎？

每個產(chǎn)品都有一系列重疊的功能，但核心問題是：

基于云的數(shù)據(jù)倉庫有哪些優(yōu)勢？

與純云產(chǎn)品相比，“幸存者”是否提供了足夠的優(yōu)勢？

大數(shù)據(jù)服務公司Alooma 指出：

“每個云倉庫都有自己的結構，而不是遵循特定的結構。例如，Amazon Redshift模仿傳統(tǒng)數(shù)據(jù)倉庫的結構，而谷歌BigQuery根本不使用服務器，它允許用戶查詢和共享數(shù)據(jù)，而無需設置和支付存儲費用?！?/p>

那么，云數(shù)據(jù)倉庫會帶來些什么？

規(guī)模/擴展性: 通常，計算資源是數(shù)據(jù)倉庫中比數(shù)據(jù)存儲更昂貴的組件。通過將計算資源從存儲中分離出來，數(shù)據(jù)倉庫可以存儲大量數(shù)據(jù)，并按要求處理信息。在本地方案中，所有這些數(shù)據(jù)都需要以高得多的成本進行本地存儲。

靈活性:通過將數(shù)據(jù)從計算流程中分離出來，用戶可以創(chuàng)建所需的任意數(shù)量的虛擬數(shù)據(jù)倉庫。

性能: 這仍然是一個一目了然的事情，在數(shù)據(jù)倉庫/分析查詢中，僅僅多運行幾個服務器并不意味著性能的提升。讓Teradata這樣專門的廠商如此成功的原因是，幾十年的工程設計，大規(guī)模的并行處理優(yōu)化和工作負載的管理技術，或許最重要的是，Teradata提供軟件引擎與用戶所運行的專有硬件之間的鏈接，并且性能還在不斷改善。

成本: 每個人都在說云改變了定價模式，但是沒人確定實施的成本是多少。廉價存儲的誘惑可能會導致事情失控，因為它可能是相對便宜的，但終歸不是免費的。所有的傳統(tǒng)廠商都轉向了訂閱定價方案，但每個合同都非常復雜。這里建議是聘請一位合同和定價細節(jié)方面的專家(我們在ERP領域中經(jīng)?？吹竭@一點)。

安全性:這是一個棘手的問題，因為有太多的接入點，尤其是在混合解決方案中。大多數(shù)數(shù)據(jù)庫產(chǎn)品會實施針對內部威脅的安全性，但是近些年來自外部威脅的激增。

一個數(shù)據(jù)倉庫應具有哪些能力？

?支持任何數(shù)據(jù)局部性(本地磁盤、Hadoop、私有和公有云數(shù)據(jù))。

?數(shù)據(jù)庫內高級分析。

?能夠處理本地各類型數(shù)據(jù)，如空間、時間序列和/或文本。

?能夠運行新的分析工作負載，包括機器學習、地理空間、圖形和文本分析。

?靈活部署，包括在本地、私有和公有云上。

?大數(shù)據(jù)查詢優(yōu)化。

?復雜的查詢形式。

?基于模型的大規(guī)模并行處理，而不僅僅是分片處理。

?工作負載管理。

?負載平衡。

?可擴展到數(shù)千個并發(fā)查詢。

?完整的ANSI SQL及更多。

寫在最后

原生云數(shù)據(jù)倉庫數(shù)據(jù)庫可能提供以前的“幸存者”數(shù)據(jù)庫所沒有的功能和優(yōu)勢，但是它們有多健壯呢? 我們目前不好妄下評論，但是，一些純云產(chǎn)品在滿足用戶的許多需求方面都相對較差。它們是數(shù)據(jù)倉庫產(chǎn)品，還是現(xiàn)有模塊的集合，并將其綁定在PowerPoint幻燈片上?例如，Cloudera的數(shù)據(jù)倉庫中沒有增加任何在他們開始稱之為數(shù)據(jù)倉庫之前不存在的東西。這就像把不同物種的不同細胞系扔進培養(yǎng)皿里，就稱其為有機體一樣。

這里，或許還是那句老話“不管黑貓白貓，抓到老鼠就是好貓”。大數(shù)據(jù)吹們總是試圖拋棄掉傳統(tǒng)數(shù)據(jù)倉庫，只是強調它實施和技術問題，而沒有理會它對于組織的價值。所謂的“數(shù)據(jù)湖”可能并不是一個好方案。

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。