大數據何時真正進入我們的生活，更重要的是，什么原因導致大數據如此普及？大數據流行背后的原因是什么？在本文中，我們將重點關注這些因素中的一些因素及其歷史，以便更好地評估對大數據的需求增長，并因此嘗試說明大數據是流行語還是實際的機會媒介。實際上，我們從大數據歷史中看到的是，在“大數據”一詞獲得顯著發展之前，就已經存在一些大數據功能。但是直到某個時間點才有足夠的需求。

本文的其余部分將重點放在時間上的某些點上，以了解那里具有哪些大數據能力，但很少使用。然后，我們將重點關注顯示大數據需求實際上已經并且可能會快速增長的重要因素。

　　大數據的過去時光

大多數時候，您會看到大數據空間的歷史始于Google于2003年左右撰寫的GFS論文。在2006年左右，我們第一次看到Hadoop。但是，盡管大數據的歷史可能是最重要的里程碑之一，但事實并非完全如此。至少到現在為止。

埃里克·布魯爾的CAP定理是一個已經存在了一段時間的示例，并且也存在于GFS論文之前。CAP定理在大數據領域仍然很重要，并且非常重要。

　　CAP定理

在一致性，網絡分區和可用性這三個支柱中;您只能同時選擇兩個。

不要失去圍繞本文的重點;我們將不會詳細解釋CAP定理的工作原理，因為這需要進一步的詳細技術說明。我們寧愿關注CAP定理的影響。

大數據平臺顯然是分布式的。假設在大數據環境中必須進行網絡分區，那么選擇就變得很明確：在一致性和可用性之間進行權衡。

首先讓我們看兩個基本的例子，以便在專注于有關CAP定理的思想首次出現時更好地理解“權衡”：

　　范例1：

讓我們考慮一個金融大數據系統，該系統為客戶提供一定的信息環境。提供給客戶的信息很可能需要財務系統非常精確。因此，這類系統很可能會希望內容保持一致而不是始終可用。考慮一個場景，一個客戶一個接一個地登錄兩個不同的渠道來檢查他/她的帳戶。毫無疑問，與始終具有高可用性并且同時極有可能顯示不一致的帳戶詳細信息相比，最好始終顯示相同且正確的帳戶詳細信息，并且始終不具有高可用性。

　　范例2：

與上述相反，讓我們考慮一個娛樂系統。娛樂系統可能傾向于始終可用，而不是確保內容在所有分區上都是一致的。因此，這次與始終保持一致相比，偏好可能是可用的。

　　CAP定理是什么時候首次引入的？

埃里克·布魯爾在1998年左右提出了CAP定理的想法，例如，在GFS論文之前5年，在MapReduce論文之前6年，在Hadoop首次發布之前8年，在HBase首次發布之前9年。但是，直到2002年才被接受為有效定理。每當我們決定要使用哪種存儲選項時，都應再次訪問該定理。因此，至少部分人已經知道分區容忍之類的大數據概念有多重要。

僅在2006年之后，大數據域的普及才開始飆升。這明確表明，早在1998年，只有一小部分觀眾對大數據感興趣。像CAP這樣的重要定理在發布四年后才引起關注，并成為一個實際定理。CAP定理已受到關注，其重要性是毋庸置疑的。甚至WernerVogels在他的個人博客中也發表了有關CAP定理的文章。有關大數據的重要定理開始受到廣泛關注的事實表明了大數據的重要性。

　　大數據需求持續急劇增長

數據是數據管理系統的重要組成部分。換句話說，對大數據的需求肯定已經增加，有關大數據的定理，白皮書也符合這一基本原理。

讓我們從另一個角度看待需求的增長。一個簡單的大數據定義是3分比：數量，速度和品種。該卷的數據僅僅指的是一個事實，即量能的大數據平臺內大于將是傳統的數據管理系統的情況。數據的速度是指大數據平臺能夠處理動態數據和靜態數據的事實。各種各樣的數據是指。

大數據又是另一個關鍵詞。答案很簡單：Data。可以肯定的是，數據量/種類/速度將在不久的將來增長。

　　讓我們選擇以下三種數據之一：

IDC發表的一篇文章預測，到2020年，以電子方式存儲的數據總量約為44ZB，2013年則為4.4ZB。考慮到7年的10倍增長，并且知道該增長呈指數增長，可能很難預測從現在起15年后電子化存儲的數據量。在花點時間進行短暫震驚之前，我們還必須記住另一項尚未充分發揮作用的巨大影響-到目前為止只是短暫的影響：物聯網。生成的大多數企業數據都集中在人身上，換句話說，就是從個人之間的互動中生成的數據。隨著物聯網的廣泛使用在未來幾年變得越來越普遍，我們將有能力從物聯網中捕獲更多的細粒度和豐富的數據，因為事物既可以與人互動，也可以與其他事物互動。在智能家居，智能制造，智能交通，醫療保健等許多領域，我們對物聯網的未來有著漫長而令人興奮的道路。

總結一下；我們可以清楚地看到大數據需求增長與CAP定理，大數據白皮書，數據量/種類/速度的增加之間的因果關系。這些關鍵主題表明，大數據已經并將繼續成為破壞性技術之一。

　　破壞性技術–奇異性

CAP定理，白皮書和3V的另一個觀點是，它們都鏈接到嚴重依賴數據的破壞性技術。

聽說過術語“奇異性”嗎?簡單的說;奇異性是技術進步給我們帶來的根本變化。隨著數據的增長和AI技術的進步，我們可能已經開始在較短的生命周期中經歷奇異時刻。技術進步加速比以往任何時候都高。未來看到了更多的破壞性技術，并且它正在迅速關閉。

　　您的組織是否準備好應對從未經歷過的，比以往更大的變革？

如果正確使用，大數據將帶來許多機會。大數據不僅是這種低成本的數據存儲平臺，而且還帶來了新的用例可能性。使用傳統技術實施的案例非常復雜或成本很高，現在可以在大數據領域輕松實現。大數據涵蓋了廣泛的用例，這些用例主要集中于高級分析，人工智能，機器/深度學習以及具有低廉的高計算和存儲能力以及獲取/處理/存儲結構化/非結構化，批處理/流數據。

另外，可以清楚地看到，大數據用例的主要優點之一是它們通常是新的業務用例。以前從未實現過的用例。甚至想到與傳統的用例相比，大數據用例可以帶來更多的價值，這是令人興奮的。

　　未來愿景

未來肯定會受到我們目前正在經歷的數據增長期的影響。此外，數據增長仍將繼續加速，并且開始趨于平穩的時間只是目前的預測。隨著競爭力的提高和對組織更快達到業務成果的更高期望，數據將發揮至關重要的作用。能夠將其轉化為收益的組織將通過基于新的基于大數據的用例涌現的新業務模型獲得競爭優勢。無法跟上大數據并且遲到的組織很有可能最終也會邁向大數據。但是這一次優勢的競爭性質將不再有效。

以上就是關于大數據對業務，過去和未來的影響的全部內容介紹，想了解更多關于大數據的心，請繼續關注我們吧。