制约大数据处理能力的几个问题

现在的大数据产品，都是采用分布式存储和分布式计算的集群方案。衡量大数据处理能力的强弱，主要有以下几个制约因素。

1.网络带宽
        网络是联接计算机的纽带，这个纽带当然越宽越好，这样可以在计算机资源许可的情况下，在单位时间内传输更多的数据，让计算机处理更多的数据。现在企业网络中，普遍采用的多是百兆网络，也有千兆，万兆虽然有，但是用得不多。

2.磁盘
        所有数据，不管它从哪里来，最终都要存进不同的硬盘里面，或者闪存盘。闪存盘的读写效率比硬盘高得多，但是缺点也明显：价格贵、容量小。现在的存储介质主要还是硬盘，硬盘有顺序读写和随机读写两种模型。顺序读写是磁头沿着磁道，好象流水线一样，有规律的向前滚动进行。随机读写是磁头跳跃着，找到磁道上留空的地方，把数据写进去。很明显，顺序读写比随机读写效率高，所以系统架构师在设计大数据存储方案时，都是以顺序读写为主要选择。

3.计算机的数量

       分布式的集群环境下，计算机的规模当然越大越好。这样在数据等量的情况下，计算机数量越多，分配给每台计算机的数据越少，处理效率自然就高了。但是计算机的数量也不是可以无限增加，集群对计算机规模的容纳有一个峰值，超过这个峰值，再提升就很困难，处理不好还会下降。原因主要来自木桶短板效应、边界效应、规模放大效应。根据多年前的一个测试，当时以Pentium 3和Pentium 4芯片为基础平台，配合100M网络，在上面运行LAXCUS大数据系统。当达到千台计算机的规模时，瓶颈开始显露出来。如果现在用新的X86芯片，加上更高速的网络，应该是能够容纳更多的计算机。

Laxcus集群架构图

4. 成本

       这是困扰所有企业的一个大问题。虽然大数据解决了很多企业在数据存储和计算上的问题，但是因为硬件基础设备的投入规模大，成本是成倍的增加。这个问题，可以从两个方面解决，一是采购成本，单体硬件价格是关键。二是运营成本，耗电量是关键。这种情况下，低价格低功耗的计算机架构应运而生了。这方面，ARM芯片走在了前面，目前几乎所有手机里的芯片，不管是水果系还是谷歌系，采用的都是ARM架构。试想一下，如果把这样的架构移植到大数据平台上，原来一堆嗡嗡叫的计算机，需要空调风扇配合的机房，换成了一堆安静如平板电脑/手机的计算机，是不是能够节约成本呢？这不是幻想，现在已经有人有企业在做这方面的工作了。

5.代码质量
        这不是关键问题，但是是企业必须关注的一个问题。这和程序员编写的计算机代码质量有关。实际上，每个大数据产品都是半成品，它们只是提供了一个计算框架，要实际应用到企业生产中，里面还有大量业务编码需要程序员来实现。要使大数据应用达到高质量，技术负责人要做好前期设计，清楚和规范业务流程，程序员拿在方案后，用统一格式编写代码。这是双方互相配合的过程。或者说，要做好协同和协调的事情。