數(shù)據(jù)存儲曾經(jīng)是大數(shù)據(jù)的***挑戰(zhàn)。由于云計算基礎(chǔ)設(shè)施的進(jìn)步，存儲數(shù)據(jù)不再是關(guān)鍵問題。如今，數(shù)據(jù)科學(xué)家所面臨的***問題是數(shù)據(jù)收集。

集群化使得大數(shù)據(jù)分析更容易。然而，集群也給數(shù)據(jù)工程師帶來了必須解決的問題。

什么是數(shù)據(jù)集群?

數(shù)據(jù)集群的概念可追溯到至少20年前。美國俄亥俄州立大學(xué)計算機(jī)科學(xué)和工程系教授Anil Kumar Jain博士在他的白皮書之一中對這一術(shù)語進(jìn)行了很好的描述：

“集群是模式(觀察，數(shù)據(jù)項或特征向量)到組(集群)的無監(jiān)督分類。集群問題在許多領(lǐng)域和許多學(xué)科的研究人員那里都得到了解決;這反映了其廣泛的吸引力和實用性，作為探索性數(shù)據(jù)分析的步驟之一。然而，集群的組合是一個困難的問題，不同社區(qū)的假設(shè)和背景差異使得有用的通用概念和方法的傳遞變得緩慢。“

換句話說，數(shù)據(jù)工程師使用集群來識別原始數(shù)據(jù)中的趨勢和模式。他們需要將其分解成群集。

數(shù)據(jù)集群的主要挑戰(zhàn)是什么?

自從大數(shù)據(jù)的概念誕生以來，集群一直是一個挑戰(zhàn)。這個問題源于數(shù)據(jù)量和處理限制。拉巴特大學(xué)列出了大數(shù)據(jù)集群的首要關(guān)注點。

(1) 數(shù)量

大多數(shù)網(wǎng)絡(luò)上存儲的數(shù)據(jù)量呈指數(shù)級增長。隨著數(shù)據(jù)量的增加，提取數(shù)據(jù)變得更加困難。備份數(shù)據(jù)也可能放大這些問題。

(2) 速度

數(shù)據(jù)生成的速度是數(shù)據(jù)科學(xué)家面臨的另一個集群挑戰(zhàn)。這個問題不僅限于網(wǎng)絡(luò)上的數(shù)據(jù)量。當(dāng)網(wǎng)絡(luò)以***的速度生成新數(shù)據(jù)時，他們將很難實時地提取它。

造成的問題是雙重的：

• 新的模式將不斷地從已知的數(shù)據(jù)集涌現(xiàn)。數(shù)據(jù)分析師可能認(rèn)為他們很難從數(shù)據(jù)中得出準(zhǔn)確的結(jié)論，而事實上，他們的分析更能代表他們所建模的問題。他們可能不知道什么時候分析他們現(xiàn)有的數(shù)據(jù)集，以及何時等待收集更多的數(shù)據(jù)。
• 如果數(shù)據(jù)的創(chuàng)建速度比提取的它速度快，那么當(dāng)他們試圖收集數(shù)據(jù)時，趨勢可能會發(fā)生變化。

隨著網(wǎng)絡(luò)使用物聯(lián)網(wǎng)(IoT)從更多的設(shè)備收集數(shù)據(jù)，他們能夠以更快的速度收集數(shù)據(jù)，問題將會越來越嚴(yán)重。

(3) 品種

集群數(shù)據(jù)存儲在許多不同的表單中，這使得很難進(jìn)行精確的比較。有些數(shù)據(jù)以結(jié)構(gòu)化格式存儲，而其他數(shù)據(jù)集可能是完全非結(jié)構(gòu)化的。

如何解決這些問題?

有各種各樣的工具和策略可以簡化抽取和分析集群數(shù)據(jù)的過程。

(1) K均值集群

K均值集群方法是一種基于分組的解決方案，需要網(wǎng)絡(luò)將對象分配給一個集群。這消除了單個對象可能通過出現(xiàn)在多個數(shù)據(jù)集中而偏離分析的擔(dān)心。

(2) 無監(jiān)督分類算法

無監(jiān)督分類算法是基于預(yù)定義參數(shù)合并非常大的數(shù)據(jù)集的數(shù)據(jù)挖掘工具。這是處理日益增長的數(shù)據(jù)量的一個很好的解決方案，特別是使用強(qiáng)大的Hadoop工具。

(3) COALA

COALA使用實例級約束來避免類似分組引起的問題。不需要滿足100%的約束條件。

(4) 降低維度

每個數(shù)據(jù)有兩個維度：

• 變量
• 實例

隨著變量數(shù)量的增加，總數(shù)據(jù)量呈指數(shù)增長。可以通過使用降低維度策略(也就是所謂的降維變換)來緩解問題。

確定數(shù)據(jù)集群挑戰(zhàn)的新解決方案

數(shù)據(jù)集群是解決存儲大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)所帶來的許多問題的解決方案。然而，這不是一個可靠的解決方案，因為數(shù)據(jù)仍然需要盡可能快速準(zhǔn)確地被訪問和分析。幸運(yùn)的是，有一些很好的工具和方法可以簡化流程。