組織數字化轉型的第一步是將其數據生態(tài)系統(tǒng)和企業(yè)數據從傳統(tǒng)的本地數據中心或倉庫遷移到云端。云數據平臺就是這些資源遷移到的地方，允許企業(yè)創(chuàng)建一個可以隨時隨地訪問的數據湖。借助這種“民主化”數據，可以快速攝取結構化和非結構化數據以增強分析能力。該平臺還可以隨著數據和分析需求的變化而快速擴展。
企業(yè)為什么要使用云數據平臺？
通過使用云數據平臺，企業(yè)可以更輕松地利用其數據。它允許從遠程和本地的任何位置管理、保護和查看數據。這些虛擬數據平臺提供本地數據倉庫的可靠性和物理硬件無法比擬的經濟性。組織使用這些平臺來獲得更加靈活的數據交換，從而實現更明智的業(yè)務決策。
云數據平臺彈性
云數據平臺比本地數據平臺更具彈性，并提供對平臺上托管數據的集成視圖。這些平臺可以全面觀察在其上運行的所有內容，包括 CPU 和內存利用率，以及洞察正在運行的查詢以及如何優(yōu)化它們。數據存儲在集群中，通過觀察實際工作負載行為，企業(yè)可以擴大或縮小集群以避免容量未充??分利用。
遷移到云數據平臺
CIO 經常發(fā)現很難預測其企業(yè)的峰值使用量，因此他們很可能會過度配置數據倉庫以避免性能問題。因此，對數據資源進行現代化改造并將其轉移到可以快速擴展的云數據平臺的案例顯然是有益的。然而，許多 CIO 不愿放棄六年來在本地運行和維護工作負載的經驗。為了掌握數據，企業(yè)需要對可能切換到云數據平臺的情況進行成本效益分析。從根本上說，他們需要決定遷移和新許可證的成本是否超過過度配置和長期運營的成本。
云數據平臺的架構是怎樣的？
典型的數據平臺由處理數據管理不同方面的多個組件組成。該架構分為：
- 數據沿襲
- 數據安全和審計日志記錄
- 元數據、業(yè)務詞匯表、數據目錄和數據搜索
- 存儲和計算
- 數據治理
- 數據質量和數據信任
云本身允許用戶解耦數據平臺的所有組件，這有助于企業(yè)擴展應用程序并避免受限于任何供應商的專有工具。大多數云數據平臺提供商將計算和存儲分開，以實現更好的數據控制和敏捷性。
數據首先導入，然后在數據管道中清理。在存儲方面，云數據平臺將數據分為兩層：一層用于“熱”數據，另一層用于“冷”數據。第一層是內存，存放數據索引和最常訪問的數據。第二層是本地磁盤，或持久化磁盤（通常是固態(tài)磁盤），通常是基本的云 對象存儲。該層通常提供較慢的性能。
為了存儲數據，云數據平臺首先將更新寫入最快的內存層，然后復制到云對象存儲層，以幫助提高整體性能。熱數據層在查詢時從冷數據層拉取數據，并在非常深的粒度級別查看數據，從而簡化了獲得關鍵業(yè)務洞察力的途徑。
云數據平臺的優(yōu)點和缺點是什么？
隨著工作負載的波動和非結構化數據量的持續(xù)增加，實現 IT 現代化的壓力越來越大。然而，組織需要仔細考慮是否以及如何將云基礎設施（例如云數據平臺）納入其 IT 生態(tài)系統(tǒng)。
優(yōu)點
- 靈活性：隨著數據和分析需求的發(fā)展，云數據平臺可以快速輕松地擴展容量。
- 可見性：云數據平臺快速攝取結構化和非結構化數據，從而實現更快的分析。
- 訪問：將資源移動到云端有助于創(chuàng)建數據湖，使數據民主化并隨時隨地共享。
- 適當規(guī)模的成本：與其為過度配置的系統(tǒng)付費，使用云數據平臺及其基于消費的模型允許企業(yè)只為他們使用的東西付費，因為他們使用它。
缺點
- 利用率：隨著工作負載轉移到云端，數據中心的利用率可以從滿負荷迅速變?yōu)槿种h除單個服務器刷新周期將創(chuàng)建該場景。
- 復雜性：轉移工作負載會增加 IT 運營的復雜性——由于業(yè)務優(yōu)先級或投資組合和工作負載轉移的變化，根據具體情況做出增加/減少的決定。
- 合規(guī)壓力增加：數據隱私和數據駐留法規(guī)不斷發(fā)展，使得移動工作負載的需求不斷變化。
云數據平臺如何使用？
云數據平臺的彈性特性使其成為響應不斷變化的工作負載、業(yè)務目標和市場的理想工具。但企業(yè)究竟如何使用它們呢？閱讀下面的一些用例：
- 數據整合：分析師不使用多個電子表格和其他平面文件數據源，而是使用云數據平臺來構建“數據集市”。他們可以在那里輕松加載和優(yōu)化來自多個來源的數據，以進行分析和獲得可操作的見解。
- 運營洞察力：云數據平臺上的數據可以輕松地與業(yè)務關鍵型應用程序集成，提供一種簡單的方法來將結果進行運營并反饋到應用程序中，以實現數據驅動的決策。
- 多功能分析：數據分析師都有自己喜歡的工具，尤其 是與固定數據平臺不兼容的開源工具。云數據平臺提供全面的互操作性，使訂閱者能夠插入自己的工具并在平臺內使用它們。這樣，他們可以在需要時將洞察力遷移到另一個工具，并防止供應商鎖定。
- 流數據處理：云數據平臺結合了數據湖和數據倉庫的能力來處理流數據和其他非結構化企業(yè)數據，從而實現 機器學習（ML）。
