Pourquoi le Cloud est-il impératif pour les Big Data - les nuls

De nombreuses combinaisons de modèles de déploiement et de livraison existent pour les big data dans le cloud. Par exemple, vous pouvez utiliser un cloud public IaaS ou un cloud privé IaaS. Alors, qu'est-ce que cela signifie pour le Big Data et pourquoi le cloud convient-il? Eh bien, les grandes données requièrent des grappes distribuées de puissance de calcul, ce qui est la façon dont le nuage est architecturé.

En fait, un certain nombre de caractéristiques des nuages ​​en font un élément important de l'écosystème du Big Data:

• Évolutivité: L'évolutivité par rapport au matériel fait référence à la capacité de passer de petites à grandes quantités de puissance de traitement avec la même architecture. En ce qui concerne les logiciels, il se réfère à la cohérence des performances par unité de puissance à mesure que les ressources matérielles augmentent. Le cloud peut évoluer vers de grands volumes de données.

  L'informatique distribuée, partie intégrante du modèle cloud, fonctionne réellement selon un schéma de "diviser pour mieux régner". Donc, si vous avez d'énormes volumes de données, ils peuvent être partitionnés sur des serveurs cloud. Une caractéristique importante de l'IaaS est qu'elle peut évoluer de manière dynamique. Cela signifie que si vous avez besoin de plus de ressources que prévu, vous pouvez les obtenir. Cela rejoint le concept d'élasticité.

• Élasticité: L'élasticité fait référence à la capacité d'étendre ou de réduire la demande de ressources informatiques en temps réel, en fonction des besoins. L'un des avantages du cloud est que les clients ont le potentiel d'accéder au plus grand nombre de services dont ils ont besoin. Cela peut être utile pour les projets Big Data dans lesquels vous devrez peut-être augmenter la quantité de ressources informatiques dont vous avez besoin pour traiter les données.

• Mise en pool des ressources: Les architectures cloud permettent la création efficace de groupes de ressources partagées rendant le cloud économiquement viable.

• Self-service: Avec le libre-service, l'utilisateur d'une ressource cloud peut utiliser un navigateur ou une interface de portail pour acquérir les ressources nécessaires, par exemple pour exécuter un modèle. Ceci est radicalement différent de la façon dont vous pourriez obtenir des ressources à partir d'un centre de données, où vous auriez à demander les ressources des opérations informatiques.

• Coûts initiaux souvent bas: Si vous utilisez un fournisseur de cloud, les coûts initiaux peuvent souvent être réduits car vous n'achetez pas d'énormes quantités de matériel ou ne louez pas d'espace pour traiter vos données volumineuses. En profitant des économies d'échelle associées aux environnements cloud, le cloud peut sembler attrayant.

• Pay as you go: Une option de facturation standard pour un fournisseur de cloud est Pay as you go, ce qui signifie que vous êtes facturé pour les ressources utilisées en fonction du prix d'instance.Cela peut être utile si vous n'êtes pas sûr des ressources dont vous avez besoin pour votre projet Big Data.

• Tolérance aux pannes: Les fournisseurs de services cloud doivent intégrer une tolérance aux pannes dans leur architecture, fournissant des services ininterrompus malgré la défaillance d'un ou de plusieurs composants du système.

De toute évidence, la nature même du cloud en fait un environnement informatique idéal pour le big data. Alors, comment pourriez-vous utiliser les grandes données avec le cloud? Voici quelques exemples:

• IaaS dans un cloud public: Dans ce scénario, vous utiliseriez l'infrastructure d'un fournisseur de cloud public pour vos services Big Data car vous ne souhaitez pas utiliser votre propre infrastructure physique. IaaS peut fournir la création de machines virtuelles avec un stockage et une puissance de calcul pratiquement illimités. Vous pouvez choisir le système d'exploitation que vous voulez, et vous avez la possibilité d'adapter dynamiquement l'environnement pour répondre à vos besoins.

• PaaS dans un cloud privé: PaaS est une infrastructure complète qui peut être utilisée pour concevoir, implémenter et déployer des applications et des services dans un environnement de cloud public ou privé. PaaS permet à une organisation de tirer parti des principaux services middleware sans avoir à gérer les complexités de la gestion des éléments matériels et logiciels individuels.

  Les fournisseurs de PaaS commencent à intégrer les technologies Big Data telles que Hadoop et MapReduce dans leurs offres PaaS. Par exemple, vous pouvez créer une application spécialisée pour analyser de grandes quantités de données médicales. L'application utiliserait des données en temps réel et non en temps réel. Il va falloir Hadoop et MapReduce pour le stockage et le traitement.

• SaaS dans un cloud hybride: Ici, vous pouvez analyser les données "voix du client" de plusieurs canaux. De nombreuses entreprises ont réalisé que l'une des sources de données les plus importantes est ce que le client pense et dit de son entreprise. Obtenir l'accès à la voix des données client peut fournir des informations précieuses sur les comportements et les actions. De plus en plus, les clients vocalisent sur les sites publics.

  La valeur de l'entrée des clients peut être grandement améliorée en intégrant ces données publiques dans votre analyse.