现代分析依附于来自负年夜量碎片数据源的数据。经验注解，当数据分布在多个体系时，大年夜数据源并不老是可以或许复制并迁徙的。数据虚拟化经由过程供给替代性范式交付具有大年夜数据源的有效工作范围：将数据处理转移到数据。换句话说，就是处理存在的数据并尽可能降低收集流量。
(备注：数据虚拟化(Data virtualization)– 数据整合的过程，以此获得更多的数据信息，这个过程平日会惹人其他技巧，例如数据库，应用法度榜样，文件体系，网页技巧，大年夜数据技巧等等。)
数据虚拟化带来了数据优化所需的速度和范围，而无需复制或从新定位数据源。它应用逻辑数据体系构造，使所有底层数据源都以单个体系的情势出现。它供给了多种优化策略(例如:特定于平台的优化和下推处理)，选择特定优化的智能，以及预先构建的优话そ?如MPP内存中的处理。
(备注：MPP (Massively Parallel Processing)，意为大年夜范围并行处理体系，如许的体系是由很多松耦合处理单位构成的，要留意的是这里指的是处理单位而不是处理器。每个单位内的CPU都有本身私有的资本，如总线、内存、硬盘等。在每个单位内都有操作体系和治理数据库的实例复本。这种构造最大年夜的特点在于不共享资本。)
2. 负责数据共享
(备注：元数据(Metadata)，又称中介数据、中继数据，为描述数据的数据，主如果描述数据属性的信息，用来支撑如指导存储地位、汗青数据、资本查找、文件记录等功能。元数据算是一种电子式目次，为了达到编制目次的目标，必须在描述并收藏数据的内容或特点，进而杀青协助数据检索的目标。)
文化和司法障碍往往阻碍数据共享，这已成为大年夜数据分析的重要构成部分。 数据隐私律例是令人佩服的组织在新项目标每个设计和实施阶段纳入或以其他方法解释数据隐私的充分推敲。 数据虚拟化采取的中心方法，降低了遵守越来越多的晃荡数据隐私律例的成本，并许可经由过程设计包含数据隐私。
数据虚拟化的核心功能是使分布式数据保持在源代铝闼楝同时经由过程一个逻辑层将其裸露给花费者。这种办法清除了对持续数据复制的须要。较少的复制可以削减组织中小我和敏感数据的副本，削减数据安然和治理方面的问题。
数据虚拟化还使组织可以或许很轻易地在全部组织中创建聚合的、一致的数据视图，例如风险数据。这些视图可以有选择地共享，同时完全遵守组织的数据拜访和隐私策略。如图1 所示
数据虚拟化能克服以下重要信息共享方面的挑衅:
- 不合的数据源。应用数据虚拟化，可以轻松地将数据集成到各类内部和外部体系中。
- 不合的数据格局。数据虚拟化可以应用不合的技巧和协定连接到不合格局的数据。这些复杂性被用户和应用法度榜样所隐蔽。
- 不合的数据标准。应用萌芽表或内存映射，数据虚拟化可以集成数据，即使它来自不合的标准。
- 数据不完全。数据虚拟化许可将数据汇总在不合的体系中，以实现整体的视图。
- 未处理数据。对聚合数据进行的数据计算(与部分，孤立数据相反)可以供给全部企业组织完全的风险视图。
- 敏感数据。数据虚拟化可以供给安然性和隐私功能，以便用户只能看到他们被许可看到的数据。
3. 通用语义模型
企业用户的情势及范围各不雷同。是以，必须懂得客户是谁?(例如，他们是数据分析师，高等用户，高管照样机械)。以及他们须要的数据(例如，预先聚合的，预先计算，特定精确，特定感化的┞氛样特定范畴的)是必须的。对于特定的机械而言，精确的标记数据集对于有效的机械进修至关重要。在为分析供给数据时应用企业用户懂得的说话也是很重要的。应用营业用户在供给数据进行分析时懂得的说话也很重要。 例如，帐户实用于财务中的用户，而客户是客户关怀中的用户的首选术语。 支撑多种语义是避免强迫用户改变术语的关键。
由数据虚拟化驱动的通用语义模式可认为全部组织供给常见且同一的数据视图。经由过程不被嵌入到单一的贸易智能(BI)对象中，语义模型对于多个BI对象是通用的，并且可以拜访几乎任何数据源。
数据虚拟化实现自助分析方面，完成下列目标：
- 可以或许快速便利地构建灵活的语义模式
- 供给具有保护办法的自助办事平台
- 既支撑“data cowboys”(在必定范围内)也支撑惯例营业用户
- 加快自我办事举措(清除分析孤岛)，同时保持控制和治理
供给完全的、可托的、高质量的信息对决定计划制订以及猜测性和规范性分析都是至关重要的。数据虚拟化是知足这一需求的幻想技巧，这些组织力争将数据用作计谋资产。当然，要沿着“数据-虚拟化”路线走多远，将取决于用户营业需乞降大年夜数据情况的复杂性。此外，还取决于用户对风险、复杂性和艰苦的遭受程度。在将来，跟着分析模型、规矩和大年夜数据云上汇聚的信息日益复杂，平台将成为虚拟化拜访、履行和治理的核心。在这一新范畴内，MapReduce将成为关键的(但并不是独一的)开辟框架。此外，MapReduce还将成为针对内联分析和交易计算的虚拟化架构的一部分。不过，今朝这一虚拟化架构固然涵盖范围更广，然则大年夜部分仍没有被明白定义。
【编辑推荐】
- 云计算IaaS的核心技巧：虚拟化技巧
- 虚拟化在线迁徙优化实践（一）：KVM虚拟化跨机迁徙道理
- 易思捷宣布UniSphere 5.0，旨在打造高性价、高可用的国产虚拟化产品
- Parallels刘大年夜铭：借助三大年夜差别化优势，容身虚拟化范畴
- 联想超融合天降神兵：要桌面虚拟化不要启动风暴
推荐阅读
【51CTO晃荡】8.26 带你深度懂得清华大年夜学、搜狗基于算法的IT运维实践与摸索 Ovum监管政策高等分析师Luca>>>详细阅读
本文标题：通过数据虚拟化 优化数据
地址：http://www.17bianji.com/lsqh/36763.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示