AlphaGo原来是这样运行的

读者可以忽略其中的细节技术语言，只需要了解不同类型的NoSQL数据库会有利于特定场景的应用开发。比如文档数据库采用JSON格式存储，可以随心所欲定义不同的数据结构，而且横向扩展性很强(数据规模增大后可以保证查询效率)。我们明道云的工作表就是利用了文档数据库MongoDB作为存储方案。

NoSQL数据库普遍支持分布式文件系统，所以都具备很强横向扩展性。和关系数据库相比，NoSQL数据库大多不具备事务一致性，但是这个牺牲交换得到数据处理的效率，因而作为大数据技术相关的常见存储方案。

云计算平台上的大数据服务

以上我们介绍了大数据技术发展依赖的各个重要技术栈。很显然，和传统的应用开发相比，大数据技术相对更加复杂。它不仅涉及复杂的编程框架，还需要一个专业的运维体系。这使得大部分普通企业用户很难自己来搭建大数据开发环境。所以云计算平台在基础云服务之外，也开始结合云计算资源提供大数据服务。阿里云上的MaxCompute是一个全托管的大数据SaaS服务，用户甚至无需管理主机基础设施，直接按照大数据计算任务量付费。顺便说一下，这种直接将计算服务提供给开发者的模式被称为“无服务器”(Serverless)计算，它的目的是为了简化开发工作中的运维任务，让开发者聚焦在应用开发上。不仅仅是大数据领域，在AI，物联网等其他技术领域，无服务器服务模式正在日益成为主流。E-MapReduce则是一整套大数据相关的PaaS服务，用户可以选择利用现成的服务在自己控制的云主机上完成部署，客户主要支付的是基础云的资源费用。和阿里云类似，亚马逊AWS等其他云计算平台也提供丰富的大数据相关平台服务。

应用领域

我们前面提到大数据技术起源于搜索引擎应用。在随后的十多年中，它的主要应用场景依然还是在互联网领域。最常见的应用包括计算广告(依据用户和内容数据动态决定广告投放策略和定价)，内容检索和推荐(百度、头条)，商品推荐和营销活动优化(淘宝、拼多多)。不要小看这几个场景，它们几乎和互联网用户上网过程中的每一分秒都有关系，所以创造了巨大的经济价值。

数据的价值当然不仅仅局限于互联网行业，几乎每个产业都有机会在大数据技术的帮助下发掘出数据的价值，或者改善运营效率，或者发现出新的业务机会。金融行业是较早的受益者。银行贷款业务中的风险控制、零售和结算业务中的欺诈发现、保险业务中的精算和保单个性化定价、证券行业中的期货定价和股价预测等都实实在在在创造出财富。

大数据在研究和开发领域也在大显身手。在生物医药领域，大数据技术在帮助缩短药物研发的周期和提高成功率;合成化学行业也在利用大数据和机器学习技术来加快发现新材料。有人甚至认为数据科学将成为实验、推演和仿真以外的一种新的科学研究方法，成为“第四范式”。
 

在技术方面，云治理并没有什么捷径可言。尽管所有的云服务提供商都提供了相关的工具，但是对于企业而言，明确职责和角色才是本质。除了资产、财务和供应商管理必须通力合作，架构师和工程师也需密切协作，以便随时处理可能出现的成本激增情况。

由于资本支出控制、对数据中心的物理访问等手段已无法再防范影子IT，因此IT部门将面临更加严峻的挑战。企业中的所有员工都可以购买一个虚拟数据中心，并且这个数据中心的规模可以无限大。无论是否向云端迁移，企业都有必要建立起一个高效的治理模式，以便在账务、运维和安全风险出现之前快速发现和阻止影子IT。

虽然管理职责最终是落在人员头上，而不是技术上，但是成本透明性和干净的财务数据是必需的，只有这样管理人员才能发现节省支出和成本的机会。由于公有云提供商会提供大量有价值的账单数据，因此企业需要制定将这些数据与包括标签在内其他的元数据关联在一起的策略，以便于高效地使用这些信息。只有管理团队牢牢掌控住资源，企业才能有效地管理云计算成本。

云计算成本总结

云计算成本的管理并非易事，这里面既有开发人员需要解决的技术问题，也有需要DevOps管理专家处理的系统管理问题。企业的高层也要对此负起责任，不要认为这些都是IT部门的事情。

云计算涉及到各个方面。只有所有的员工都能够正确使用云计算，企业才有望实现削减IT成本的目标。

（编辑：鹰潭站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!