哈佛商學(xué)院客座教授,、數(shù)據(jù)分析專(zhuān)家湯姆?達(dá)文波特(Tom Davenport)指出：“這些新技術(shù)為政府部門(mén)節(jié)省了巨額開(kāi)支,，同時(shí)還極大地提高了政府部門(mén)分析此類(lèi)數(shù)據(jù)的能力。雖然需要配套的數(shù)據(jù)中心支持才能完成數(shù)據(jù)分析任務(wù),，但這些技術(shù)的成本要遠(yuǎn)比幾年前低得多,。”

 

NSA斥資十二億美元在猶他州打造大型數(shù)據(jù)中心將于今年秋季投入使用。目前尚不明確的是,，到底NSA在覆蓋全美的數(shù)據(jù)中心使用的是何種計(jì)算技術(shù),。但總體來(lái)說(shuō)，這些技術(shù)被分為三大類(lèi)型：

 

數(shù)據(jù)庫(kù)系統(tǒng)

 

大多數(shù)使用SQL編程語(yǔ)言的傳統(tǒng)數(shù)據(jù)庫(kù)是把數(shù)據(jù)存儲(chǔ)在由行與列組成的表格中,。然而,，當(dāng)遇到存儲(chǔ)包括電子郵件或文本信息等字符串時(shí)，傳統(tǒng)數(shù)據(jù)庫(kù)就暴露了能力有限的弊端,。而且它們還無(wú)法處理圖片或視頻,。而于2009年年底開(kāi)始出現(xiàn)的新型數(shù)據(jù)庫(kù)NoSQL(Not Only SQL，不僅僅是SQL)則突破了傳統(tǒng)數(shù)據(jù)庫(kù)的能力限制,，可以允許數(shù)據(jù)分析專(zhuān)家針對(duì)所有類(lèi)型的數(shù)據(jù)創(chuàng)建信息要求,。這些新型數(shù)據(jù)庫(kù)包括MongoDB、Cassandra和Simple DB等,。在幫助公司分析超大型數(shù)據(jù)組方面,，NoSQL數(shù)據(jù)庫(kù)體現(xiàn)出了非凡的能力。比如,，美國(guó)保險(xiǎn)數(shù)據(jù)供應(yīng)商Verisk Analytics Inc.的分析師就在針對(duì)數(shù)十億客戶(hù)資料不斷運(yùn)行各種不同的數(shù)據(jù)模式和分析方法,，以從中發(fā)現(xiàn)虛假保險(xiǎn)索賠記錄。Verisk 副總裁兼首席信息官佩里?羅泰拉(Perry Rotella)表示,，使用IBM提供的傳統(tǒng)DB2數(shù)據(jù)庫(kù)“需要通宵達(dá)旦地工作6個(gè)小時(shí)才能完成工作”,。此后，分析師還得投入大量時(shí)間研究得出的數(shù)據(jù)結(jié) 果,，并提出新的信息要求,，而這恐怕還得再熬一個(gè)晚上。他指出,，分析師每次都需要花費(fèi)幾周時(shí)間才能創(chuàng)建出新的數(shù)據(jù)模型,。Verisk最近剛剛開(kāi)始使用更換后的NoSQL數(shù)據(jù)庫(kù)，分析師僅用30秒就能完成相同類(lèi)型要求的運(yùn)行,。羅泰拉表示：“突然之間,，你的模型建構(gòu)告別了幾天才更行一次的傳統(tǒng),，變成了實(shí)時(shí)更新?tīng)顟B(tài)。通過(guò)使用NoSQL數(shù)據(jù)庫(kù),，你可以在一天內(nèi)多次進(jìn)行數(shù)據(jù)運(yùn)行,，這極大地縮短了獲得數(shù)據(jù)結(jié)果的時(shí)間。這項(xiàng)功能簡(jiǎn)直太強(qiáng)大了,。”

 

機(jī)器學(xué)習(xí)

 

傳統(tǒng)分析要求分析師對(duì)數(shù)據(jù)有充分的了解,，然后才能創(chuàng)建假設(shè)問(wèn)題，進(jìn)而針對(duì)數(shù)據(jù)庫(kù)提出復(fù)雜的問(wèn)題,。以機(jī)器學(xué)習(xí)和自然語(yǔ)言處理為核心的編程技術(shù)則依靠計(jì)算機(jī)程序來(lái)發(fā)現(xiàn)數(shù)據(jù)類(lèi)型,，甚至還可以根據(jù)上下文闡明模糊詞匯的意義。達(dá)文波特指出：“你可以把機(jī)器學(xué)習(xí)程序植入多個(gè)數(shù)據(jù)之中,，然后你就會(huì)看到該程序會(huì)給你提供什么樣的分析結(jié)果,。通過(guò)使用自然語(yǔ)言處理技術(shù)，你還可以分辨出‘炸彈’這個(gè)詞是百老匯舞臺(tái)劇的劇名,，還是恐怖分子將會(huì)使用的武器,。”權(quán)威市場(chǎng)研究機(jī)構(gòu)Gartner Inc.的分析師道格拉斯?萊尼(Douglas Laney)指出，機(jī)器學(xué)習(xí)又被稱(chēng)之為“認(rèn)知分析”,，它能夠讓分析師提出的問(wèn)題不斷進(jìn)行“自我修正”,。比如，在新信息出現(xiàn)時(shí),，零售商就可以使用該技術(shù)來(lái)實(shí) 時(shí)自動(dòng)更新計(jì)價(jià)算法,。這些新信息包括天氣、時(shí)間,、甚至是消費(fèi)者在其零售店里的行為視頻,。

 

Hadoop基礎(chǔ)架構(gòu)

 

直到最近，還是只有造價(jià)昂貴的硬件設(shè)備才能夠運(yùn)行特別復(fù)雜的計(jì)算機(jī)程序,，比如超大型計(jì)算機(jī)設(shè)備。現(xiàn)在Hadoop開(kāi)源軟件分布式系統(tǒng)基礎(chǔ)架構(gòu)已經(jīng)能夠讓從資料庫(kù)提取信息的過(guò)程進(jìn)行分布實(shí)施,。在這一過(guò)程中,，不同的分析任務(wù)被分配給大量造價(jià)低廉的服務(wù)器進(jìn)行分析，每個(gè)服務(wù)器只負(fù)責(zé)分析其中的一部分內(nèi)容,，然后這些內(nèi)容又會(huì)在任務(wù)結(jié)束后被匯總在一起,。達(dá)文波特表示：“這非常省錢(qián)，而且運(yùn)行速度特別快,。”這種將復(fù)雜的問(wèn)題分配給大量造價(jià)低廉的計(jì)算機(jī)處理的能力有助于人們獲得問(wèn)題的及時(shí)反饋,，而且人們還會(huì)獲得大量的數(shù)據(jù)變量。比如,，美國(guó)汽車(chē)信息網(wǎng)站Edmunds.com可以幫助汽車(chē)經(jīng)銷(xiāo)商預(yù)測(cè)一輛車(chē)在他們自己的停車(chē)場(chǎng)里停留的平均時(shí)間,。這種預(yù)測(cè)能夠最大限度地縮短一輛車(chē)售出的時(shí)長(zhǎng),。Edmunds.com的首席信息官菲利普•波特洛夫(Philip Potloff)指出：“對(duì)于汽車(chē)經(jīng)銷(xiāo)商來(lái)說(shuō)，這可是衡量銷(xiāo)售業(yè)績(jī)最為重要的指標(biāo)之一,。”

 

原文來(lái)自WSJ,，騰訊科技翻譯