华为云、腾讯云、阿里云、金山云相比，到底谁厉害

1月30日晚间，阿里巴巴公布了其2019财年第三季度财报。

财报显示，阿里云营收规模为2136亿元，4年间增长约20倍，飞速发展的阿里云已是亚洲最大的云服务公司。

值得一提的是，在全球范围内，3A（亚马逊AWS、微软Azure和阿里云Alibaba Cloud）占据了超过七成的市场份额。在中国市场，阿里云更是一骑绝尘，其市场份额相当于第二名到第九名的总和。

转型2B的关键

数据显示，阿里云在近2年保持营收高速增长，2018年4个季度的营收分别达到4385亿、4698亿、5667亿和6611亿元，全年总营收2136亿元，相比2017年，全年营收1117亿元增长913%。

2018年11月，阿里又一次启动组织架构调整，将阿里云升级为阿里云智能事业群，整合全集团技术团队，将集团中台和达摩院的技术与阿里云技术结合，目标是构建数字经济时代基于云计算的智能化基础设施。

这一次调整释放阿里巴巴继续强化2B业务的信号。

事实上，阿里是从2B业务起家的，阿里B2B公司就是服务中小企业的外贸生意，后来才有2C业务淘宝天猫等等，所以阿里一直是2C和2B结合的路线，2B业务除了阿里云还有阿里妈妈、阿里钉钉等。

但就现阶段而言，阿里云是阿里的王牌，未来也将继续发挥重要作用。

据统计，40%的中国500强企业、近一半中国上市公司、80%中国 科技 类公司都在使用阿里云，数字经济正在阿里云上得到快速发展。

分析人士普遍认为，云计算将颠覆原有IT产业格局。

目前来看，阿里在B端优势明显，业内流行一种观点，互联网下半场的重心是由C端转向B端。

根据这种观点，阿里显然已经领跑互联网下半场。

国际化的排头兵

马云曾经说过，他希望成立一家由中国人创办，但属于全世界的公司。因此，国际战略是阿里发展的重心。

而阿里云是阿里国际化布局的重要一环，扮演排头兵的角色。

阿里目前的主业务分为四大板块，分别是电商，云计算，数字媒体与 娱乐 ，创业业务及其他。

电商是阿里发家的核心业务，在国内优势明显，但在国际上的扩张并不理想。

欧美电商市场是亚马逊的天下，日本则有乐天，阿里只能在东南亚以及拉美等地区寻求机会，然而这些市场体量较小，不足以支撑阿里全球扩张的野心。

阿里的移动支付同样难以在国际上扩张，欧美日等发达国家有着完善的xyk体系，何况他们有自己的移动支付，某种程度上，支付宝的成功借鉴了PayPal的经验。

而云计算则不同，目前全球云服务市场呈现出“3A竞争格局”，即以亚马逊、微软和阿里为首的第一集团垄断了超7成的市场份额。

阿里在云服务方面和亚马逊以及微软在同一水平上，强如谷歌和IBM都稍逊阿里一筹。

云计算为阿里带来了弯道超车的契机，进入发达国家的市场，打败当地巨头，并非不可能。

题主提到的华为云、腾讯云、阿里云、金山云都是当下国内比较有名气的云，如果非要说谁最厉害，我觉得应该是阿里云。

首先，从全球知名市场研究机构Gartner发布的数据来看，阿里云稳居全球公有云IaaS市场前三，并且增长速度最快，而且优势还在不断扩大。在国内，根据IDC的数据，阿里云也占据了476%的市场份额，这体量其他云也望尘莫及。

其次，前阵子Gartner又公布了2018年全球数据库魔力象限，阿里云作为中国唯一厂商进入远见者象限，在严苛的评选条件下，我国 科技 企业强势多次进入该榜单，阿里云的实力不容小觑。

至于其他云，除了在实力上与阿里云相差甚远，一直默默无闻之外还各有“硬伤”。

几家云厂商相比之下，还是阿里云更厉害。

目前在全球云计算市场，亚马逊AWS占据统治地位，而且是独一档的存在。

而在国内云计算市场，阿里云占据行业第一、独立统治第一阵营，紧随其后的是腾讯云、金山云、电信云占据行业第二阵营，再往后份额就是百度云、华为云、以及七牛云、网易云、Ucloud等等这些组成的行业第三阵营。

那么阿里云到底是有哪些优势呢？

大家都知道，做云计算最早的是亚马逊，早在2006年亚马逊已经开始布局云计算了，而紧随其后的就是2009年阿里巴巴在王坚博士带领下就开始了云计算业务。

用阿里云副总裁的话说，中国的有两种云，一种是拿来云，一种是自主可控飞天云。

能说出这样的话还是需要底气的，最主要的原因就是阿里云的飞天 *** 作系统，飞天是阿里云自主研发的大规模云计算 *** 作系统，能够将全球数百万台的服务器连成一台超级计算机，为这个 社会 提供强大的算力。

全新一代的飞天20，具有秒级启动ECI到云端超算集群的全覆盖，对计算和AI能力进行协同控制，实现全球可达到网络以及全方位的IPv6的支持，随时随地实现连接，兼容市面上几乎90%以上的物联网解决方案。

飞天20支撑起了阿里云遍布全球各地的基础设施，针对于亿万个端进行适配，其中阿里云飞天的设计理念是AI是大脑、IoT是神经网络、而计算是心脏，总体来说就是万物智能。

阿里巴巴做云计算是有先天优势的，电子商务公司本来就是云计算的最好试验田。

天猫双十一，阿里云最好的试验田，要知道且不说别的，就只说天猫双十一的峰值，今年就达到了451万笔/秒，这个就算是拿到世界上，也是一个很高的成就。经过十年的双十一历练，阿里云已经获得了最好的锻炼，可以说是一步步实战中积累起来的。

除此之外，在阿里云顺利走向市场以后，国内基本上除了巨头企业，大部分都是阿里云的客户，这些客户里面包括了饿了么、菜鸟网络、优酷等众多企业，而且现在这些企业还融入到阿里的生态中，可以说战绩辉煌。

因此不管从什么角度来说，目前阿里云在国内依然拥有绝对的行业领先优势，不过目前腾讯云、金山云、百度云在后面追赶也很快，份额提升得很快，也不能算完全占据统治地位，只能说目前阿里云依然是国内云计算龙头老大。

这几家云厂商比较来看，阿里云应当是最厉害的，那么我就从这个方面来说说我的看法。

先来说阿里云吧，阿里云的实践场景是非常丰富的。最初，阿里云的技术应用在了蚂蚁小贷中，后来，阿里云的很多新技术也都最先在阿里巴巴集团内部实践。

有人认为，阿里的技术实力越来越强是因为其电商的溢出效应。

毕竟阿里巴巴旗下有全球最大的电商平台和全球最大的支付平台，而淘宝和支付宝所需的大规模调度、消息处理、分布式数据库等都需要云计算的支撑。尤其是每年双11、双12不断突破记录的流量高峰，都要求阿里云不断提升技术能力。

这种观点有一定的道理，但是并不全面。因为除了阿里巴巴集团内的场景，阿里云还有大量行业标杆企业的实践，比如国税总局、海关总署、新浪微博等等。

就拿新浪微博来说吧，大家都知道，春节期间新浪微博的流量非常大。 在阿里云的支持下，微博搭建起了一个社交媒体云混合架构，结合实时数据对预估峰值进行动态调整，不仅减少了1400台服务器的购买，还支撑了用户182亿次阅读量和8亿次红包领取。

反观其它云， 华为作为一家老牌通信企业，主要经营的是通讯设备，最了解的是中国电信、中国联通这些运营商的需求，对于企业的互联网技术需求了解并不多；腾讯则是做社交起家，缺少ToB的基因；金山是做软件开发的，都没云计算的技术和实践提供更多助力， 从这一点上来说，这几家云都缺少应对互联网场景技术的经验。

再来看服务的客户，我从华为云的官网查了一下，看到只有拓维信息、郑大信息几个案例；腾讯云的客户大多集中在 游戏 和社交产品；金山云的客户数量不够多，也缺乏说服力。

这样比较下来，大家应该心里都有底了，所以我说阿里云最厉害。

个人排序：华为云 -->阿里云-->腾讯云-->金山云

从技术积累、市场份额、营收等因素来看，阿里云、腾讯云、华为云都属于第一梯队，金山云在第二梯队，阿里云在四者中领先优势明显！

根据美国市场研究机构Synergy Research Group发布的2018年Q1全球主要云厂商排名来看，AWS、微软、谷歌、阿里云和IBM分列前五；而在亚太地区，前五名分别是AWS、阿里巴巴、微软、谷歌和腾讯。

阿里云

2008年9月，阿里巴巴确定“云计算”和“大数据”战略，决定自主研发大规模分布式计算 *** 作系统“飞天”。

2009年9月，阿里云计算有限公司正式成立，，是全球领先的云计算及人工智能 科技 公司。

2016年10月，杭州联手阿里云发布城市大脑，人工智能ET帮助治理交通。

2017年12月20日，阿里云在云栖大会·北京峰会上正式推出整合城市管理、工业优化、辅助医疗、环境治理、航空调度等全局能力为一体的ET大脑，全面布局产业AI。

2018年9月22日，2018杭州·云栖大会上阿里云宣布成立全球交付中心。

2017年11月1日IDC发布“2017年中国公有云服务市场半年度跟踪报告”，阿里云位列中国云计算第一。

北京时间2018年2月1日晚间， 阿里巴巴集团公布 2018财年第三季度（2017 年 10 月至 12 月底）财报，阿里云连续第 11 个季度保持规模翻番，该季度内同比增长 104% 达到 3599 亿元。2017全年阿里云累计收入约112亿元，是国内首家百亿规模的云计算服务商。

腾讯云

2010 年02 月，腾讯开放平台接入首批应用，腾讯云正式对外提供云服务（包括CDN 等）。

腾讯云包括云服务器、云存储、云数据库和d性web引擎等基础云服务；腾讯云分析（MTA）、腾讯云推送（信鸽）等腾讯整体大数据能力；以及 QQ互联、QQ空间、微云、微社区等云端链接社交体系。

2017年11月1日IDC发布“2017年中国公有云服务市场半年度跟踪报告”，腾讯云位列中国云计算第二。

在2018年9月份的腾讯架构调整中，全新的云与智慧产业事业群（CSIG）成立，这意味着腾讯将全面发力B端市场。

2018年11月14日晚间，腾讯公布截至2018年9月30日未经审核的第三季度业绩，报告显示，腾讯总收入为人民币80595亿元（11716亿美元 ），比去年同期增长24%。期内盈利为人民币23405亿元（3402亿美元），比去年同期增长30%。报告称，腾讯云财务数据首次被公开，前三季云服务的收入近60亿人民币，第三季度云服务收入同比增长逾一倍。

华为云

华为云成立于2011年，贯彻华为公司“云、管、端”的战略方针，依托于华为公司雄厚的资本和强大的云计算研发实力，面向互联网增值服务运营商、大中小型企业、政府、科研院所等广大企事业用户提供包括云主机、云托管、云存储等基础云服务、超算、内容分发与加速、视频托管与发布、企业IT、云电脑、云会议、 游戏 托管、应用托管等服务和解决方案。

2017年3月起，华为专门成立了Cloud BU，全力构建并提供可信、开放、全球线上线下服务能力的公有云。

截至2017年9月，华为共发布了13大类共85个云服务，除服务于国内企业，还服务于欧洲、美洲等全球多个区域的众多企业。

华为云数据中心：华为全球建立480个数据中心，其中有160个云数据中心。

作为国内公有云第一梯队，华为云增长势头迅猛；在2018年华为全联接大会上，华为称云服务已经成为华为整体业务的底座与基础，；华为还宣布将于12月底在南非正式上线提供云服务，这也是全球首个在非洲用本地数据中心提供服务的公有云服务提供商。

金山云

创立于2012年的北京金山云网络技术有限公司（以下简称金山云），是金山集团旗下云计算企业，于2017年跻身于中国公有云市场三甲。

2017年11月1日IDC发布“2017年中国公有云服务市场半年度跟踪报告”，金山云位列中国云计算三甲。

截止到2018年1月29日，金山云已完成D系列72亿美元融资，估值达2373亿美元。

四云对比

1从市场份额的角度（2017）：阿里云〉腾讯云〉金山云〉华为云

预计2018年，华为云有可能会上升到第三位。

2从估值角度：阿里云〉 腾讯云 〉金山云。

（华为不上市，华为云也难以评估）

3论综合技术实力来看：阿里云〉华为云〉腾讯云〉金山云。（仅个人看法）

先排除金山云

现在是阿里，腾讯，华为

三年后阿里，华为，腾讯

五年后华为，阿里，腾讯

我有使用过腾讯云和阿里云，对于华为云和金山云来说，我并没有使用过，所以我没有办法评判他们谁更加的厉害一些。

目前来说我的主力服务器全部放在阿里云上，腾讯的云服务我现在曾经使用过，但是我后来放弃了。

相对来说，阿里云的服务的话，各个方面都非常的周全，提供的各种工具也相当的多，在进行服务器维护的各个功能上都是比较完善的，所以我个人使用还是比较方便的。

腾讯云相比阿里云的话会有一些缺失，并且在价格上还不一定更加便宜，所以我在使用了一台腾讯云的服务器之后，我就放弃使用腾讯云的服务器了。

目前我个人有十几台服务器，全部是使用了阿里云的云服务器，从稳定性到数据备份以及各个方面来说都让我相当的满意。

所以我个人会推荐大家使用阿里云的云服务。

华为云、腾讯云、阿里云、金山云相比，可以很肯定的说，阿里云是从技术、规模等方面最强的，可以说是中国第一，世界前三。在中国，阿里云占公有云市场43%的份额，而保包括腾讯云在内的其他公司占比之和加起来才相当于阿里云的份额。在世界，近5年来，阿里云增速高达12倍，甚至超越了排在第一的亚马逊AWS。

过去10年，阿里云主要做了三件事：一、开创中国云时代；二、研发了中国的云 *** 作系统和城市AI平台（飞天：中国电子学会 科技 进步奖，城市大脑：国家AI开放创新平台）；三、云普惠各行各业数百万客户。

阿里云有以下五大优势

从PC互联网到移动互联网到万物互联网，互联网成为世界新的基础设施。飞天希望解决人类计算的规模、效率和安全问题。飞天的革命性在于将云计算的三个方向整合起来：提供足够强大的计算能力，提供通用的计算能力，提供普惠的计算能力。

飞天系统的整体技术架构图 飞天系统的服务能力

飞天20可满足百亿级设备的计算需求，覆盖从物联网场景随时启动的轻计算到超级计算能力。飞天20相比上一代 *** 作系统的升级包括秒级启动ECI、云上超算集群的全场景覆盖、云边端一体的协同计算和AI能力、支持IPv6等多个方面。

飞天20支撑了阿里云遍布全球的基础设施，针对亿万个端进行广泛适配，可覆盖最后一公里的计算。计算是心脏，AI是大脑，IoT是神经网络，这是我们对万物智能时代的构想，也是飞天20的设计理念。

飞天20系统在物联网方面的连接能力显著升级，其兼容市面上90%物联网通信方案。在云栖大会上，阿里云宣布，基于飞天平台的杭州城市大脑升级到20，覆盖杭州市共420平方公里，接管了1300个信号灯路口、接入4500路视频，处理数以百亿计信息的实时分析。

阿里云业务目前已成为阿里巴巴最重要的创收渠道之一，阿里2019财年第一季度（2018年4月至6月底）财报显示，公司云计算业务营收达到4698亿元，同比猛增93%。

总结

目前阿里云已经在在城市、工业、零售、金融、 汽车 、家庭等多个场景推出ET大脑等“产 业AI”方案和相关人工智能产品，例如基于CPU、GPU、FPGA等异构计算平台，面向开 发者的机器学习PAI平台，以及语音识别、图像识别、视觉识别等130多款细分产品。

从以上阐述我们可以看出，我们足可以看出阿里云无论从技术、服务能力、规模等方面的综合能力。

在我看来，国内云服务竞争力来看，主要在BAT，全球主要集中亚马逊和微软。今天刚好有一篇关于云服务的内容，在此分享，大家一起来探讨，在我看来，云服务的核心是在于物联网。

以下是《万物互联将至！BAT激战云端，以此抢夺物联网赛道》部分内容：

互联网已成过去，取而代之的是物联网，所带来的信息 科技 席卷全球，作为未来发展重要方向，承载了世界梦想，被视作全球经济增长新引擎，但要发展物联网，贯穿所有智能设备所需要各平台成为产业发展基础，才能使的物联网得以实现。

云计算作为物联网重要基础设施，是物联网产业发展基石，在这条赛道上聚集了亚马逊、微软、谷歌和BAT与华为等重量级玩家，但对于云服务商来说，丰富的云应用是深入市场核心，因这些一线巨头的入场，2019年物联网将更值得期待。

全球 科技 巨头争夺云服务市场

移动互联网红利逐渐退去，取而代之的是一个万物互联的物联网时代，万物互联发展得益于Sigfox、LoRa和NB-IoT为LPWAN低功耗广域网无线技术发展增速迅猛，2017至2023年期间，LPWAN连接复合年增长率为109%，到2023年，仅连接方面支出将会超过45亿美元。

图表来自IoT Analytics

物联网连接规模日益扩大，在这个大连接时代，势必产生海量数据，继而需要云平台对数据进行智能分析，利用数据有望创造更多的全新的商业机遇。至此，基于海量物联网设备的连接，提供软件和平台相结合的厂商将会是最大的受益者之一，面向各行业的物联网云平台运营而生，继而激活数据价值。

在物联网高级顾问杨剑勇看来，云服务打通云端边并结合AI能力，助推物联网应用至各行业，同时，各巨头相继进入，行业竞争格局也将更加残酷，在平台层最终比拼的是应用能力，覆盖医疗、教育、交通和制造等丰富应用的云平台是争夺物联网这一张船票的核心。

亚马逊

作为全球云服务市场领头羊的亚马逊，亚马逊和微软作为全球最具影响力且最具规模的云服务商，丰富的应用促使基于他们的云平台构建的物联网应用无处不在，在医疗方向，借助Amazon SageMaker，GE Healthcare可以通过强大的人工智能工具和服务来促进患者护理的改善。

微软

越来越多的企业开始加大部署物联网，微软以云服务＋人工智能构件生态，已经广泛应用互联网服务、智能硬件和工业制造等各行各业，Azure IoT等服务帮助制造商实施工业40，包括ABB、通用电气和西门子等工业巨擘都在利用Azure开发自己的物联网平台。

BAT抢夺物联网赛道

腾讯云今年战略重大尤为坚定，积极推进云服务战略，不过在这一市场，阿里云深耕行业多年，百度云快速发展，腾讯云在这一场争夺战中还面临诸多考验。

百度

国内三大互联网巨头将在物联网时代再次激战，百度云以ABC＋IoT＋智能边缘促进物联网应用落地，早在2016年，百度云就提出ABC三位一体战略，现在则正以ABC＋IoT＋智能边缘促进物联网在各垂直领域展开大规模应用。

百度云ABC+IoT解决方案走在了行业趋势前端，经过多年积极 探索 和发展，百度云ABC已升级30版本，ABC30就是希望智能无处不在，数据真正发挥其价值。百度云作为百度AI能力、百度资源、行业解决方案的对外服务输出窗口，已助力更多企业合作伙伴向智能化和AI化升级。

在产业应用落地方面，百度云为农业、工业和服务业等产业提供了更易用的解决方案，在15个细分行业的全面布局，生态版图已经覆盖金融、钢铁、家居、 汽车 等领域，大力推进百度云ABC能力在各产业落地。

阿里

阿里云作为阿里巴巴旗下云计算企业，阿里云呈现出高速增长态势，2019财年上半年营收突破百亿，在全球市场与亚马逊和微软形成三足鼎立态势，如今阿里云在阿里巴巴集团战略再次提升，升级为阿里云智能，将阿里巴巴集团在过去几年在实施的中台战略过程中构建的智能化能力，全面和阿里云结合，向全 社会 开放。

在过去几年中，阿里云依托云＋AI+IoT能力先后众多大企业提供服务，希望在5年内要连接100亿物联网设备，至此看到了阿里云在各行业应用案例落地，通过云+AI+IoT三驾马车能力赋能全行业变革。

腾讯

就在今年9月30日，腾讯对组织机构进行了大调整，积极面向产业互联网转型，提升云服务战略，新成立了云与智慧产业事业群，整合腾讯云、智慧零售、安全产品、腾讯地图、优图等核心产品线，帮助医疗、教育、交通和制造业等行业向智能化、数字化转型。

事实上，早在2014年，腾讯就在积极 探索 并推进万物互联发展，以连接一切搭建生态助力物联网发展，微信向万物互联延伸，凭借庞大用户和小程序攻城略地，微信早已超出社交属性，伴随平台属性越来越强，承载了腾讯对物联网的憧憬。

与此同时，腾讯成立云与智慧产业事业群后，通过整合自身技术和生态资源，腾讯云正构筑全链路的开发者服务体系，帮助人工智能、物联网、小程序、云原生领域开发者快速成长，助推产业互联网升级，这是腾讯云副总裁王龙在首届腾讯云+社区开发者大会透露的信息。

如今，小程序生态的快速发展，另外，腾讯云将依托腾讯20年丰富的技术和生态资源，一如既往地秉持开放和连接战略，聚焦新趋势、新技术和新应用，全方位助力打造产业互联网，做好各行各业数字化转型的助手。

最后

一花独放不是春，万紫千红才是春。

云计算作为基础平台的价值在于能够提供新零售、新制造、新能源和新交通等行业的解决方案。并在边缘智能和AI技术加持下，物联网将会以更加快的速度应用至各个垂直行业，赋能产业快速提升应用与服务的技术水平，而巨头们以云平台搭建庞大物联网生态也加速全 社会 数字转型。

外行人的大数据五问 带你了解大数据

大数据是什么？是一种运营模式，是一种能力，还是一种技术，或是一种数据集合的统称？今天我们所说的“大数据”和过去传统意义上的“数据”的区别又在哪里？大数据有什么特点？来源有哪些？又应用于哪些方面等等。接下来小编带您一起了解大数据。

>>>>>大数据概念

"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。

百度知道—大数据概念

大数据(bigdata)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点：Volume、Velocity、Variety、Veracity。

互联网周刊—大数据概念

"大数据"的概念远不止大量的数据（TB）和处理大量数据的技术，或者所谓的"4个V"之类的简单概念，而是涵盖了人们在大规模数据的基础上可以做的事情，而这些事情在小规模数据的基础上是无法实现的。换句话说，大数据让我们以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革之力

研究机构Gartner—大数据概念

"大数据"是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。从数据的类别上看，"大数据"指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。 亚马逊网络服务（AWS）、大数据科学家JohnRauser提到一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。 研发小组对大数据的定义："大数据是最大的宣传技术、是最时髦的技术，当这种现象出现时，定义就变得很混乱。" Kelly说："大数据是可能不包含所有的信息，但我觉得大部分是正确的。对大数据的一部分认知在于，它是如此之大，分析它需要多个工作负载，这是AWS的定义。当你的技术达到极限时，也就是数据的极限"。 大数据不是关于如何定义，最重要的是如何使用。最大的挑战在于哪些技术能更好的使用数据以及大数据的应用情况如何。这与传统的数据库相比，开源的大数据分析工具的如Hadoop的崛起，这些非结构化的数据服务的价值在哪里。

>>>>>大数据分析

众所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？

>>>>>大数据技术

数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

数据存取：关系数据库、NOSQL、SQL等。

基础架构：云存储、分布式文件存储等。

数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。

统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。

数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

模型预测：预测模型、机器学习、建模仿真。

结果呈现：云计算、标签云、关系图等。

>>>>>大数据特点

要理解大数据这一概念，首先要从"大"入手，"大"是指数据规模，大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。

第一，数据体量巨大。从TB级别，跃升到PB级别。

第二，数据类型繁多，如前文提到的网络日志、视频、、地理位置信息，等等。

第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。

大数据技术是指从各种各样类型的巨量数据中，快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。目前所说的"大数据"不仅指数据本身的规模，也包括采集数据的工具、平台和数据分析系统。大数据研发目的是发展大数据技术并将其应用到相关领域，通过解决巨量数据处理问题促进其突破性发展。因此，大数据时代带来的挑战不仅体现在如何处理巨量数据从中获取有价值的信息，也体现在如何加强大数据技术研发，抢占时代发展的前沿。

当下我国大数据研发建设应在以下四个方面着力

一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。

二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。

三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。

四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。

>>>>>大数据作用

大数据时代到来，认同这一判断的人越来越多。那么大数据意味着什么，他到底会改变什么？仅仅从技术角度回答，已不足以解惑。大数据只是宾语，离开了人这个主语，它再大也没有意义。我们需要把大数据放在人的背景中加以透视，理解它作为时代变革力量的所以然。

变革价值的力量

未来十年，决定中国是不是有大智慧的核心意义标准（那个"思想者"），就是国民幸福。一体现在民生上，通过大数据让有意义的事变得澄明，看我们在人与人关系上，做得是否比以前更有意义；二体现在生态上，通过大数据让有意义的事变得澄明，看我们在天与人关系上，做得是否比以前更有意义。总之，让我们从前10年的意义混沌时代，进入未来10年意义澄明时代。

变革经济的力量

生产者是有价值的，消费者是价值的意义所在。有意义的才有价值，消费者不认同的，就卖不出去，就实现不了价值；只有消费者认同的，才卖得出去，才实现得了价值。大数据帮助我们从消费者这个源头识别意义，从而帮助生产者实现价值。这就是启动内需的原理。

变革组织的力量

随着具有语义网特征的数据基础设施和数据资源发展起来，组织的变革就越来越显得不可避免。大数据将推动网络结构产生无组织的组织力量。最先反映这种结构特点的，是各种各样去中心化的WEB20应用，如RSS、维基、博客等。

大数据之所以成为时代变革力量，在于它通过追随意义而获得智慧。

>>>>>大数据处理

大数据处理数据时代理念的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。

大数据处理的流程

具体的大数据处理方法确实有很多，但是根据笔者长时间的实践，总结了一个普遍适用的大数据处理流程，并且这个流程应该能够对大家理顺大数据的处理有所帮助。整个处理流程可以概括为四步，分别是采集、导入和预处理、统计和分析，最后是数据挖掘。

大数据处理之一：采集

大数据的采集是指利用多个数据库来接收发自客户端（Web、App或者传感器形式等）的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。

在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和 *** 作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。

大数据处理之二：导入/预处理

虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。

导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。

大数据处理之三：统计/分析

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。

统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。

大数据处理之四：挖掘

与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测（Predict）的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。

整个大数据处理的普遍流程至少应该满足这四个方面的步骤，才能算得上是一个比较完整的大数据处理。

>>>>>大数据应用与案例分析

大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是我整理的关于各行各业，不同的组织机构在大数据方面的应用的案例，在此申明，以下案例均来源于网络，本文仅作引用，并在此基础上作简单的梳理和分类。

大数据应用案例之：医疗行业

[1] Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。

[2] 在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。

[3] 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。

大数据应用案例之：能源行业

[1] 智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。

[2] 维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。

大数据应用案例之：通信行业

[1] XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取措施，保留客户。此外，IBM新的Netezza网络分析加速，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。

[2] 电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。

[3] 中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。

[4] NTT docomo把手机位置信息和互联网上的信息结合起来，为顾客提供附近的餐饮店信息，接近末班车时间时，提供末班车信息服务。

大数据应用案例之：零售业

[1] "我们的某个客户，是一家领先的专业时装零售商，通过当地的百货商店、网络及其邮购目录业务为客户提供服务。公司希望向客户提供差异化服务，如何定位公司的差异化，他们通过从 Twitter 和 Facebook 上收集社交信息，更深入的理解化妆品的营销模式，随后他们认识到必须保留两类有价值的客户：高消费者和高影响者。希望通过接受免费化妆服务，让用户进行口碑宣传，这是交易数据与交互数据的完美结合，为业务挑战提供了解决方案。"Informatica的技术帮助这家零售商用社交平台上的数据充实了客户主数据，使他的业务服务更具有目标性。

[2] 零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例

城市数据可以从多个渠道获取，以下是一些获取城市数据的途径：

政府部门：许多政府部门会收集、整理和发布城市数据，如国家统计局、城市规划局、城市管理局等等。

数据平台：一些数据平台如阿里云、百度云、腾讯云、金山云等提供城市数据接口和数据集，可以直接在平台上下载和使用。

公共数据库：例如World Bank Open Data、UN Data、Google Public Data Explorer等公共数据库可以提供各种城市相关的数据。

第三方机构：一些第三方机构如智联数据、艾瑞咨询、Gartner等可以提供城市数据分析报告和数据服务。

无论从哪个渠道获取城市数据，都需要注意数据的来源、可靠性和时效性。

1 Ceph

Ceph是一个强大的存储系统，它在同一个系统中同时提供了对象，块（通过RBD）和文件存储。无论您是希望在虚拟机中使用块设备，还是将非结构化数据存储在对象存储中，Ceph都可以在一个平台上提供所有功能，并且还能获得出色的灵活性。 Ceph中的所有内容都以对象的形式存储，不管原始的数据类型是什么，RADOS（reliable autonomic distributed object store）都会把它们当做对象来进行存储。

RADOS层确保数据始终保持一致状态并且可靠。Ceph会通过数据复制，故障检测和恢复，以及跨群集节点进行数据迁移和重新平衡来实现数据一致性。 Ceph提供了一个符合POSIX的网络文件系统（CephFS），旨在实现高性能，大数据存储以及与传统应用程序的最大兼容。Ceph可以通过各种编程语言或者radosgw（RGW）实现无缝的访问对象存储，（RGW）这是一种REST接口，它与为S3和Swift编写的应用程序兼容。另一方面，Ceph的RADOS块设备（RBD）可以访问在整个存储集群中条带化和复制的块设备映像。

Ceph的特性

独立、开放和统一的平台：将块，对象和文件存储组合到一个平台中，包括最新添加的CephFS

兼容性：您可以使用Ceph 存储对外提供最兼容Amazon Web Services（AWS）S3的对象存储。

精简配置模式：分配存储空间时，只是虚拟分配容量，在跟进使用情况占用实际磁盘空间。这种模式提供了更多的灵活性和磁盘空间利用率。

副本：在Ceph Storage中，所有存储的数据都会自动从一个节点复制到多个其他节点。默认任何时间群集中的都有三份数据。

自我修复：Ceph Monitors会不断监控你的数据集。一旦出现一个副本丢失，Ceph会自动生成一个新副本，以确保始终有三份副本。

高可用：在Ceph Storage中，所有存储的数据会自动从一个节点复制到多个其他的节点。这意味着，任意节点中的数据集被破坏或被意外删除，在其他节点上都有超过两个以上副本可用，保证您的数据具有很高的可用性。

Ceph很强大：您的集群可以用于任何场景。无论您希望存储非结构化数据或为数据提供块存储或提供文件系统，或者希望您的应用程序直接通过librados使用您的存储，而这些都已经集成在一个Ceph平台上了。

可伸缩性：C

其他信息：

数据库顾名思义就是存储数据的仓库，数据库原理就是教你如何去有效管理那些大量的数据信息的学科，教会你创建数据库来存储数据，优化数据库字段等等，设计出一个良好的数据库对一个系统或者是一个网站这些应用来说都是极其重要的。 数据库原理及应用前景 数据库管理系统经历了30多年的发展演变，已经取得了辉煌的成就，发展成了一门内容丰富的学科，形成了总量达数百亿美元的一个软件产业。根据Gartner Dataquest公司的调查，2000年国际数据库市场销售总额达88亿美元，比1999年增长10%。根据CCID的报告，2000年的中国数据库管理系统市场销售总额达248亿元，比1999年增长了417%，占软件市场总销售额的108%。可见，数据库已经发展成为一个规模巨大、增长迅速的市场，前景很好。 数据库原理及应用简介 《数据库原理及应用》是计算机类相关专业的一门专业核心课程，主要系统讲授数据库系统的基础理论、基本技术和基本方法。内容包括:数据库的体系结构、数据模型和关系运算等基本概念，并结合当前流行的大型关系数据库管理系统SQL SERVER平台，通过实例讲解和演示数据库的标准语言SQL、数据库的安全性和完整性控制、事务管理与恢复技术,以及关系规范化理论和数据库的设计，为进一步从事数据库的应用开发和研究奠定坚实的基础。

星环科技

星环信息科技主要从事大数据时代核心平台数据库软件的研发与服务，被Gartner列为国际主流Hadoop发行版厂商。其产品Transwarp Data Hub提供高速SQL引擎Transwarp Inceptor, NoSQL搜索引擎Transwarp Hyperbase、流处理引擎Transwarp Stream和数据挖掘组件Transwarp Discover。

帆软软件

帆软软件由报表软件FineReport起家，目前已成为报表领域的权威者，拥有10年企业数据分析的行业经验。后发布的商业智能自助式BI工具FineBI，提供包括Hadoop、分布式数据库、多维数据库的大数据可视化分析；提供PC端、移动端、大屏的可视化方案，广泛应用于银行、电商、地产、医药、制造、电信、制造、化工等行业，拥有成熟的行业化解决方案。

数据可视化类

数字冰雹

数字冰雹主营大数据可视化业务，提供集设计、程序开发、硬件集成为一体的解决方案，广泛应用于航天战场、智慧城市、网络安全、企业管理、工业监控等领域。

海云数据

海云数据的产品——图易能够集成用户内部系统大量结构化、非结构化数据，在真实的数据源上，将行业大数据进行多维度的可视分析。目前主要应用于公安、航空、快消、制造、金融、医疗、信息安全等领域。

星图数据

星图数据是互联网大数据服务公司，涉及线上零售、线上娱乐、线上教育等领域。基于分布式大数据获取与存储系统进行大数据处理及分析，具有自有的大数据分析体系和云计算处理技术。

用户行为/精准营销分析类

大数据技术使得用户在互联网的行为，得到精准定位，从而细化营销方案、快速迭代产品。这方面的厂商有GrowingIO、神策数据等。

GrowingIO

GrowingIO是基于互联网的用户行为数据分析产品，具有无埋点的数据采集技术，可以通过网页或APP的浏览轨迹、点击记录和鼠标滑动轨迹等行为数据，进行实时的用户行为数据分析，用于优化产品体验，实现精益化运营。

神策数据

与GrowingIO类似，也是基于用户网络行为，采集数据进行分析。技术上提供开放的查询 API 和完整的 SQL 接口，同时与 MapReduce 和 Spark 等计算引擎无缝融合，随时以最高效的方式来访问干净、规范的数据。

分析服务类

提供舆情分析的有百度统计、品友互动、Talking data、友盟、中科数据等等。

百度统计

百度统计是专业的网站流量分析工具，和GA类似，提供免费的流量分析、来源分析、网站分析等多种统计分析服务，能够告诉用户访客是如何找到并浏览用户的网站，在网站上做了些什么，以此来改善访客在用户的网站上的使用体验。

Talking Data

TalkingData是独立的第三方移动数据服务品牌。其产品及服务涵盖移动应用数据统计、移动广告监测、移动游戏运营、公共数据查询、综合数据管理等多款极具针对性的产品及服务。在银行、互联网、电商行业有广泛的数据服务应用。

友盟+

第三方全域大数据服务提供商，通过全面覆盖PC、手机、传感器、无线路由器等多种设备数据，打造全域数据平台。提供全业务链数据应用解决方案，包括基础统计、运营分析、数据决策和数据业务等，帮助企业实现数据化运营和管理。

其实早期得互联网公司曾经不仅是Oracle   客户，还都是大客户，最典型的代表有两个，一个是亚马逊，一个是阿里巴巴，后来两者都纷纷去掉了O，可见并不是什么ZZ因素，一定有一些原因，我们一起来逐步拨开看看：

 1Oracle数据库到底是为什么设计的？ 

Oracle数据库的理论源于1970年的一个论文，   "A Relational Model of Data for Large Shared Data Banks"   在这个论文中，提出了一个数据库的经典模型，也就是今天所谓的关系行数据库 Relational Database   这个论文，在当时验证了关系模型的一些优势。后来IBM基于这个论文开发了一个东西，叫SQL语言。   但是很奇怪的是，IBM没有更快的基于SQL语言去开发一个数据库，而Oracle在1979年第一个开发了商业级支持SQL语言的数据库产品。   当时，数据库主要处理的一个核心问题，就是几个特点ACID，鉴于篇幅，我们无法论述其中的意思，但是其中最有意思的就是一致性的C。什么意思呢，就是以银行交易为例，你如果在取钱的一瞬间查询余额有500，这个时候你取款，但是你恰好也告诉你家人在同一时间查询，如果查询到有500，他们也同时取款，会不会都成功呢？这个一致性的问题，对于银行要求是强一致性，也就是不能有半点差错。

2 互联网时代需要的数据库是什么？  

到了互联网时代，情况突然变了。比如我们都喜欢的知乎，微博这些信息流的App。   如果我发帖的瞬间，同时可能有很多人都在发帖，如果我们的App在全世界都在用，瞬间的用量峰值可能会因为某个热点事件突然变得很高，这个和上世纪80年代的企业级应用完全不同，即便是银行，我们还是可以保证当时的峰值大概有多少，因为营业点和ATM机的数量也是有限的，那时候你无法在手机上直接处理任何一笔交易。但是互联网的到来改变了一切，这个峰值不仅难以预估，而且可能和平时的平均值差别巨大。这样为了确保一个峰值，就去购买峰值所需的Oracle的License数量可能特别大。（Oracle是按照一个类似CPU数量或者用户数量来确定价格，你可以简单理解为用的峰值越高，你需要买的license越贵），这是一笔巨大的花费不说，而且还有另外一个问题。

3 互联网时代的应用需求不同。 

在我之前的一个回答里面写道了,   亚马逊工程师在优化自身的数据库的时候， 他们发现“：”   大约70%的 *** 作是键值类型的，其中只使用主键，只返回一行。大约20%的用户会返回一组行，但仍然只对单个表进行 *** 作。“这是一个伟大的发现——70%的 *** 作竟然都没有使用关系数据库的核心功能！为什么会这样呢？因为互联网时代的应用发生了变化。我举个例子，你如果设计一个类似亚马逊的电商网站的购物车，你允许客户把自己想买的东西放在里面。但是你设想一下，如果突然某个畅销的产品被卖家下架了，但是这个产品被很多的客户放在购物车里，你回想一下，银行交易需要确保的那种强一致性，在这里有必要么？如果你想强一致性，就需要这个商品下架的时候，清空每一个曾经加入购物车的这个商品。这样任何一个修改产品的 *** 作，都可能有无数个关联的交易在那里等着更新，可能商品的目录更新这个事情，就会变得巨慢无比，而且毫无意义。为什么说毫无意义呢，比如我在9点购物车放了一部手机，到10点商家卖光了，把这个产品下架了，这个时候如果商家只是在自己店面的页面更新，但是你的购物车并不实时更新，即使最差的情况是什么呢，就是10点的同时，你提交了一个购买的请求，这个购买的请求是需要保持一致性的，这个时候商家会返回一个失败，因为这个商品不存在。你再刷新一看，哦，卖光了。。。你的用户体验丝毫不受影响。再比如互联网的微博，如果我发一个微博就发上去，更新的时候，我不需要强一致性更新，那么可能和我距离近的朋友第一时间看到了，距离远的朋友可能稍晚一些看到了，有关系么？基本没什么影响，这些叫做分布式处理的方式在互联网应用非常普遍。

4 互联网时代有了更多选择

一方面开源数据库逐步成熟，MySQL，   Postgre这些后期之辈，陆续成熟且有越来越多的程序员能够熟练掌握，并且利用开源实现接近商业数据库的能力；另外一个方面，云厂商的出现让这个门槛更低，你不敢保证MySQL使用达到商业数据库的可靠性，你可以借助云厂商的产品，比如亚马逊云计算的托管数据库Aurora（兼容MySQL），这里非广告，只是告诉大家这种云厂商的产品让你用开源，性能和商业数据库接近，并且价格低廉，且无需运维或者很少运维成本，这样的情况下，中小互联网厂商就更多采用云厂商的托管开源数据库，自然不用Oracle这么昂贵的产品。

5   数据发生了变化

前面讲到微博这种信息流的数据格式很明显和银行交易类的关系格式有重大区别。其实互联网时代，日志，物联网等产生了更多奇怪的数据格式，比如时序数据，一个物联网的温度计，可能每一毫秒钟发一个温度信息，你如果拿关系数据库去存，可能很快就爆表了。。。但是物联网就是这样，而且这种数据几乎从不更改，就是按照时间序列一直存。比如股票交易所的大盘数据也是类似，这种特殊数据格式带来的需求在过去可能用关系数据库凑合一下就可以了，但是今天，越来越多的不同类型格式需求，就需要按需设计和采用不同的数据库。这些数据库因为有云的托管，你也不太需要运维，这样采用的成本也不高，比如亚马逊aws的Timestream数据库，官方号称两百万次写入1KB的数据，价格才一美金，于是，越来越多的企业开始按需去采用专门构建的数据库，而且大量采用云上托管，这些都不是Oracle数据库可以做的。

所以，各方面的综合因素，导致今天的Oracle跟不上时代，也就逐步被慢慢取代了。前几天，看到Gartner的全球数据库市场排名，亚马逊AWS取代了Oracle在全球数据库厂商的位置，一个时代就这样慢慢的被改变了，不知道我当时在Oracle   10g某个Package里面的代码是否还在？  

以上就是关于华为云、腾讯云、阿里云、金山云相比，到底谁厉害全部的内容，包括:华为云、腾讯云、阿里云、金山云相比，到底谁厉害、外行人的大数据五问 带你了解大数据、城市数据在哪里找等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！