【51CTO.com快譯】2017年已然來臨，大數(shù)據(jù)技術仍然保持著飛速發(fā)展。無論是物聯(lián)網(wǎng)、云計算領域乃至企業(yè)技術都開始將其引入自身并作為新的變革方向。

眾多企業(yè)已經(jīng)在積極接納大數(shù)據(jù)技術，并作為提升自身市場競爭力的核心因素。在今天的文章中，我們將基于甲骨文給出的預測結論，總結2017年十項大數(shù)據(jù)變化趨勢。

[[183337]]

1.機器學習時代來臨

以往的機器學習僅限于數(shù)據(jù)科學家群體之內，但2017年將成為機器學習進入主流的元年。無論是谷歌的***排名算法還是電子產品的智能化轉型，各類場景都將把機器學習納入自身。大數(shù)據(jù)在2016年發(fā)展態(tài)勢良好，相信在新一年中，大數(shù)據(jù)將繼續(xù)保持這種勢頭——特別是作為核心組成部分的機器學習技術。

作為大數(shù)據(jù)領域的重要成員，機器學習已經(jīng)廣泛滲透至業(yè)務分析與后端系統(tǒng)等各個領域，并最終徹底改變政府及企業(yè)跨越物理與虛擬服務器實現(xiàn)數(shù)據(jù)集處理的實際方式。未來值得關注的變革領域包括醫(yī)療衛(wèi)生自動化與能源行業(yè)。

2.云數(shù)據(jù)內聚

毫無疑問，大數(shù)據(jù)技術相當適合由云服務器負責承載，但2017年其覆蓋面將進一步增加。從隱私問題到數(shù)據(jù)主權，云計算自誕生起即引發(fā)的激烈爭論將逐漸找到解決辦法。隨著數(shù)據(jù)集規(guī)模提升，大多數(shù)企業(yè)可能會出于對遷移工作模糊性的擔憂而選擇使用虛擬服務器。

2017年的重大轉變在于，人們不再將數(shù)據(jù)遷移至云端，而是將云資源引入數(shù)據(jù)。因此，符合特定數(shù)據(jù)需求的云應用策略將變得至關重要。

3.數(shù)據(jù)驅動型應用

大數(shù)據(jù)技術一直憑借著對IT領域的深遠影響而廣為人知。然而，近期趨勢調查發(fā)現(xiàn)越來越多的用戶將分析甚至是企業(yè)應用同大數(shù)據(jù)加以結合。從AI支持型應用到Megabox等數(shù)據(jù)流客戶端，每家企業(yè)都將很快迎來自己的大數(shù)據(jù)轉型——以及由此帶來的下一代數(shù)據(jù)驅動型應用。

4.物聯(lián)網(wǎng)與集成

物聯(lián)網(wǎng)技術一直由于糟糕的部件設計與實現(xiàn)障礙而飽受詬病。盡管我們目前仍然無法實現(xiàn)第二次物聯(lián)網(wǎng)創(chuàng)新，但大數(shù)據(jù)的介入仍然能夠有效解決問題。無論是以移動設備為中心的應用還是居家工具，物聯(lián)網(wǎng)與大數(shù)據(jù)的結合都將成為2017年年內的一波重要變革浪潮。

物聯(lián)網(wǎng)應用開發(fā)將變得更加簡單，且影響范圍也將不斷擴大。我們期待著智能城市甚至智能***別的項目能夠在新的一年中顯露雛形。

5.數(shù)據(jù)虛擬化成為現(xiàn)實

根據(jù)企業(yè)管理者的觀點，數(shù)據(jù)孤島擴散難題成為普遍困擾。無論是面向NoSQL、Spark還是Hadoop，現(xiàn)有數(shù)據(jù)庫方案都將在新的一年中迎來更多協(xié)作對象?？梢钥隙ǖ氖?，只要企業(yè)未有找到真正***的存儲庫解決方案，暗數(shù)據(jù)集就將一直存在。不過好消息是，我們相信2017年內統(tǒng)一化訪問將逐步成形并推動數(shù)據(jù)虛擬化的興起。

由于數(shù)據(jù)本身不再需要移動，因此這套方案將能夠極大提升分析速度與大數(shù)據(jù)技術的實現(xiàn)進度。

6. 對接 Kafka

如果缺少了由Apache基金會打造的Kafka，大數(shù)據(jù)預測將毫無完整性可言。盡管Kafka目前仍處于發(fā)展階段，但很可能會在今年第三季度迎來成熟度峰值。確切地講，Kafka預計將成為大數(shù)據(jù)技術期待已久的實現(xiàn)基石。

除此之外，作為一項架構層面的總線式技術成果，Kafka能夠輕松處理數(shù)據(jù)結構甚至是超大規(guī)模數(shù)據(jù)集——主要面向數(shù)據(jù)湖、相關傳播以及促進訂閱者訪問等層面。

7.云數(shù)據(jù)系統(tǒng)(預打包與集成)快速發(fā)展

從零開始建立傳統(tǒng)數(shù)據(jù)實驗室相當困難。然而隨著企業(yè)越來越依賴于大數(shù)據(jù)技術，集成化云數(shù)據(jù)系統(tǒng)的發(fā)展也得到顯著推動。這些預打包式功能實體包含數(shù)據(jù)科學、分析、數(shù)據(jù)爭用乃至數(shù)據(jù)集成等各類復雜性因素。

2017年內，專門面向大數(shù)據(jù)用例的預打包式云系統(tǒng)在采用率方面將迎來顯著增長。

8. Hadoop HDFS替代性方案出現(xiàn)

Hadoop的HDFS長久以來一直作為***的數(shù)據(jù)駐留平臺存在，但對象存儲技術預計將在2017年中最終勝出?？梢钥隙ǖ氖?，對象存儲擁有更出色的數(shù)據(jù)復制、可用性及備份表現(xiàn)。

另外，對象存儲的良好可行性亦是其另一大優(yōu)勢。這些存儲庫將與HDFS一樣面向基于同一數(shù)據(jù)層的大數(shù)據(jù)資源。

9.云層面深度學習

如之前提到，數(shù)據(jù)虛擬化能夠在無需額外層的前提下輕松實現(xiàn)。因此，這類方法將推動包括NVMe甚至是GPU在內的各類加速技術的大量涌現(xiàn)。2017年，深度學習也將與大數(shù)據(jù)指標實現(xiàn)結合?？梢暬Y果中將充分享受無擁塞、高容量、高I/O甚至是更佳網(wǎng)絡性能的助益。

10. Hadoop重要性進一步提升

用戶與企業(yè)此前一直在以謹慎的態(tài)度通過Hadoop使用大數(shù)據(jù)，但新一年中Hadoop部署將滲透到一切可能的數(shù)據(jù)中心型項目當中。Hadoop安全將作為必選特性存在，并對各個領域中的可行應用方案加以約束。

總結

大數(shù)據(jù)近年來的發(fā)展速度極為驚人，然而隨著物聯(lián)網(wǎng)乃至社交媒體的快速崛起，未來的大數(shù)據(jù)應用將呈現(xiàn)出更具爆炸性的增長態(tài)勢。

2017年，我們必將通過大數(shù)據(jù)及其它相關技術的廣泛普及迎來更為準確的預測能力、更低實現(xiàn)成本以及以業(yè)務為中心的切實收益。

原文標題：10 Big Data Possibilities for 2017 Based on Oracle's Predictions，原文作者：Anand Srivastava

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】