 |
作者：Hebert W. Pereyra，IBM 杰出工程師，Hybrid Data Management首席架構師
譯者：劉俊 ，IBM watsonx.data開發(fā)架構師
北京2023年7月17日 /美通社/ -- 數(shù)據(jù)湖誕生至今已有十多年的歷史，為全球一些最大的企業(yè)提供了數(shù)據(jù)分析的支持。然而，也有人認為，絕大多數(shù)數(shù)據(jù)湖部署已經演變成為"數(shù)據(jù)沼澤"。不論你站在哪一邊，現(xiàn)實情況是，這些系統(tǒng)中仍然承載著大量的數(shù)據(jù)。這些數(shù)據(jù)規(guī)模龐大，使得移動、遷移或對其進行現(xiàn)代化都變得異常困難。
數(shù)據(jù)湖的巨大挑戰(zhàn)：單一結構的架構問題
從較高層次來看，數(shù)據(jù)湖是一個大規(guī)模的單一數(shù)據(jù)存儲庫。數(shù)據(jù)可以以原始形式存儲，也可以經過優(yōu)化，采用適合專用引擎使用的不同格式。
就Hadoop而言，它是最受歡迎的數(shù)據(jù)湖之一，通過使用開源軟件實現(xiàn)該存儲庫，并在通用硬件上運行，可以以非常低的成本在系統(tǒng)中存儲大量數(shù)據(jù)。數(shù)據(jù)可以以開放的數(shù)據(jù)格式進行持久化，從而實現(xiàn)了數(shù)據(jù)消費的民主化，并通過自動復制提供了高可用性的支持。默認的處理框架具備從故障中恢復的能力。這無疑是與傳統(tǒng)分析環(huán)境有著顯著差異的重要轉變，傳統(tǒng)數(shù)據(jù)分析環(huán)境往往意味著供應商鎖定以及無法處理大規(guī)模數(shù)據(jù)。
另一個出乎意料的挑戰(zhàn)是將Spark引入作為大數(shù)據(jù)處理框架。由于其支持數(shù)據(jù)轉換、流式處理和SQL，它迅速獲得了廣泛的認可。然而，它并未能與現(xiàn)有的數(shù)據(jù)湖環(huán)境友好共存，因此通常需要額外的專用計算集群才能運行Spark。
我們將時間前移15年回到當下，現(xiàn)實已經清楚地表明了這項技術所涉及的權衡和妥協(xié)。其快速的采用意味著客戶很快失去了對數(shù)據(jù)湖中數(shù)據(jù)的追蹤。同樣具有挑戰(zhàn)的是，他們無法確定數(shù)據(jù)的來源、獲取方式以及在處理過程中的轉換方式。數(shù)據(jù)治理仍然是這項技術中尚未探索的領域。雖然軟件可能是開源的，但需要有人學習如何使用、維護和支持它。僅依賴社區(qū)支持并不能持續(xù)滿足業(yè)務運營所需的響應時間。高可用性通過復制實現(xiàn)則意味著需要更多磁盤上的數(shù)據(jù)副本，增加存儲成本，并導致故障更加頻繁。而高可用的分布式處理框架則意味著不得不在性能方面做出妥協(xié)，以換取彈性（這將導致交互式分析和商業(yè)智能的性能嚴重下降）。
為何要對數(shù)據(jù)湖進行現(xiàn)代化？
數(shù)據(jù)湖在特定的使用場景中已經被證明是成功的。然而清楚的是，企業(yè)迫切需要對這些部署進行現(xiàn)代化，保護基礎設施、技能和存儲在這些系統(tǒng)中的數(shù)據(jù)的投資。
在尋找答案的過程中，行業(yè)研究了現(xiàn)有的數(shù)據(jù)平臺技術及其優(yōu)勢。很明顯，有效的方法是將傳統(tǒng)的（或者說是遺留的）數(shù)據(jù)倉庫或數(shù)據(jù)集市的關鍵特性與數(shù)據(jù)湖的優(yōu)勢結合起來。以下幾個關鍵要素迅速浮出水面：
上述要素導致了湖倉一體的出現(xiàn)。湖倉一體是一種數(shù)據(jù)平臺，是將數(shù)據(jù)倉庫和數(shù)據(jù)湖的優(yōu)點融合在一起，形成統(tǒng)一、協(xié)調的數(shù)據(jù)管理解決方案。
利用watsonx.data來現(xiàn)代化數(shù)據(jù)湖的好處
站在當下數(shù)據(jù)分析的十字路口，IBM的回應是為企業(yè)提供watsonx.data解決方案，這是一個用于大規(guī)模數(shù)據(jù)管理的新型開放式數(shù)據(jù)存儲，允許企業(yè)在無需遷移的情況下圍繞、增強和現(xiàn)代化其現(xiàn)有的數(shù)據(jù)湖和數(shù)據(jù)倉庫。它支持開放式的多云與混合云，可以在客戶管理的基礎設施（本地或者私有云）和公有云上運行。它建立在湖倉一體架構之上，并嵌入了一整套解決方案（以及通用軟件堆棧），適用于所有形態(tài)。
與市場上的競品相比，IBM的方法基于開源堆棧和架構。這些組件并不是新的，而是業(yè)界已經廣泛使用的成熟組件。IBM關注它們的互操作性、共存性和元數(shù)據(jù)交換。用戶可以快速入門，從而大大降低了入門和使用的成本，因為其上層架構和基礎概念是大家熟悉且直觀的：
Watsonx.data為企業(yè)提供了一種保護他們在數(shù)據(jù)湖和數(shù)據(jù)倉庫數(shù)十年投資的方式，使企業(yè)可立即擴展并逐步現(xiàn)代化其安裝，將每個組件專注于對企業(yè)最重要的使用場景。
一個關鍵的差異化因素是多引擎 策略，允許用戶在統(tǒng)一的數(shù)據(jù)平臺上根據(jù)實際情況選擇適合的技術。watsonx.data使客戶能夠實現(xiàn)完全動態(tài)的分層存儲（以及相關的計算）。隨著時間的推移，這可以帶來非常顯著的數(shù)據(jù)管理和處理的成本節(jié)省。
如果最終企業(yè)的目標是通過湖倉一體架構來現(xiàn)代化現(xiàn)有的數(shù)據(jù)湖部署，那么watsonx.data則通過選擇計算方式來最小化數(shù)據(jù)遷移和應用遷移，從而簡化了任務。
接下來可以做什么？
在過去的幾年里，數(shù)據(jù)湖在大多數(shù)企業(yè)的數(shù)據(jù)管理策略中發(fā)揮了重要作用。如果企業(yè)的目標是對其數(shù)據(jù)管理策略進行演進并現(xiàn)代化為真正的混合分析云架構，那么IBM基于湖倉一體架構構建的新型數(shù)據(jù)存儲watsonx.data，則是值得企業(yè)考慮的技術選擇。
相關資料：
關于IBM
IBM 是全球領先的混合云、人工智能及企業(yè)服務提供商，幫助超過 175 個國家和地區(qū)的客戶，從其擁有的數(shù)據(jù)中獲取商業(yè)洞察，簡化業(yè)務流程，降低成本，并獲得行業(yè)競爭優(yōu)勢。金融服務、電信和醫(yī)療健康等關鍵基礎設施領域的超過 4000 家政府和企業(yè)實體依靠 IBM 混合云平臺和 Red Hat OpenShift 快速、高效、安全地實現(xiàn)數(shù)字化轉型。IBM 在人工智能、量子計算、行業(yè)云解決方案和企業(yè)服務方面的突破性創(chuàng)新為我們的客戶提供了開放和靈活的選擇。對企業(yè)誠信、透明治理、社會責任、包容文化和服務精神的長期承諾是 IBM 業(yè)務發(fā)展的基石。了解更多信息，請訪問：https://www.ibm.com/cn-zh
媒體聯(lián)絡人：
郭韜 gguotao@cn.ibm.com
