云服务对大数据是合适的吗?
2023-04-18 14:37:44 时间
云对于大数据是否是一个正确的选择,这是一个比较有争议的问题,并且很可能你得到的答案取决于你问的人是谁。
上周,我参加了一个惠普在波士顿的一个大数据会议,在会上一个高管告诉我大数据并不适合公有云。
这与很多云服务商告诉我的正好相反。
CB Bohn,是Etsy的高级数据库工程师,同时也是惠普Vertica数据库的用户,他告诉我说,将公司和所有项目相关数据迁移到云端需要花费巨大成本,同时公司将不得不持续付出成本来存储这些数据。所以对于Etsy来说,云服务并不适合。
当然,这并不是说这意味着Bohn完全反对云,相反他认为云计算有着快速处理的能力,有着强悍的工作负载能力
惠普大数据部门的业务发展副总裁Chris Selland表示,大多数客户并不习惯使用云服务来处理大数据。这其中有技术性原因(数据便携性、数据延迟),也有非技术性原因,例如公司高管认为云服务不适合存储数据。
不过公有云服务商比如亚马逊AWS并不如此认为,其***技术官Werner Vogels认为企业不应该在私有云上浪费时间,与其自己构建数据中心基础设施不如投向AWS。
很显然,目前公有云市场已经趋于成熟,唯一的争论在于哪些云服务商提供更好的服务,哪些不是。
答案取决于你的业务需求。比如创业公司更喜欢将数据存储在云端,在云端进行数据处理。所以云服务有其特定用例,适合和不适合都是有条件的。
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击