数量大 做海量的计算和存储
算的速度快 处理速度快
数据产生的地方和数据处理的地方往往不是同一个地方
做一个智能城市的应用 数据产生是在业外。比如说由各个地方,由传感器采集来的,那数据处理是在数据中心里面进行的,如果能把收集到的数据快速传输到数据中心里头,这需要一个很快的广域网的数据传输。所以这个也是由数据量和我们对数据处理速度的要求共同决定的。当然还有一些更不明显的需求,而且大数据这个事情,刚刚起步,具体它会发展成什么样的大家也不是很清楚,所以我们需要一个非常灵活，所以灵活是大数据一个非常重要的特征。大数据，价值密度非常的低，存储很多很多的数据，分析很多很多的数据，实际上它真正有用的只有那一点点。在这种情况下，我们要求大数据系统有一个低成本的特性，否则的话任何企业也不可能负担的起我们用非常昂贵的系统，象我们过去做数据仓库和数据库那种方式做出来的存储系统。我们不可能利用那些系统来处理大数据，因为成本太高了。
那么如何实现这些需求呢？这是大数据系统设计和很多的分布式系统设计的三个核心的理念。并行化：一个事情一个人干不了，我们把它切成很多个小块分给好多人同时干，这样你干的就快乐。这就是并行化的概念。
规模经济：如果你做一个这个事情，实际上它的成本是很低的,但是如果你规模经济,同时你把它做很多很多,你把规模做大,你把设计成本你把这些个一次投入的成本都摊销到这些个规模上去,这时候你的平均成本就低了,所以这是一个规模经济的概念。
第三个是虚拟化,硬件、软件都是多种多样的,你把这些多种多样的东西放在一起,你不好管理不好调度,我们需要定义一个非常漂亮的接口,然后把那些个非常恶心的具体的实现隐藏在下面,这些给大家一个好看的接口,这样的话方便调度和管理,这就是虚拟化的概念。
这三个其实都是一些非常朴实的观点,因为做计算机的人,为什么叫做IT民工,他就是一些非常朴实的想法,但是这些想法推进到真正的系统中去,我们会发现这个系统设计出来才能够解决这样的问题。
大数据系统的基本的软硬件架构：
当然最基础的硬件，从硬件层来说我们就是计算资源、存储资源，以及把它们用网络连接起来。这是硬件层。刚才我们说到这种硬件层实际上是多种多样的,我们很难管理。所以我们有一层虚拟化层,我们把存储网络和云计算都虚拟化,这样提供一个标准的接口。到云计算这一层,实际上是通过这个很好的虚拟化的这样抽象的接口,我们把这些资源进行统一的调度和管理。
在云计算上层,因为我们有资源了,这时候我们提供的接口的是什么？我要多少存储,我要多少计算资源,我要多少网络,这个云就会提供给我。所以在这上层我们可以建设一系列的大数据处理的叫做框架,这个框架实际上是体现了一种并行化的思想,它利用这些资源,把这些资源组织在一起,让它们协同工作,然后提供一个更加高层的接口。这种更加高层的接口隐藏了底下这些并行化的这些理念，所以让大家开发应用会更加容易。比方说上面我们可以开发智能城市应用,开发一些视频的应用,多媒体的应用等等。但是当你开发这些应用的时候,你会发现,你不用再想底下的这层复杂的这种实现了。
虚拟化及以下的这一层,是云计算的基础。云这一层,主要讲的是资源的调度和管理。我们是如何把这些资源分配给不同的框架的。Hadoop、Spark大数据处理的框架。它们是提供怎样的一个抽象,你怎样来做这个应用。整体的最底下的这一系列的系统,为大数据应用的开发,提供了一个非常非常好的环境。真正应用开发的人,或者说数据分析师们,已经不需要再想底下的这些个复杂的东西是怎么回事了。
