大数据对于传统IT系统来说是个大问题，因为处理海量的结构化和非结构化数据有很多事情要做。然而，云计算可以让IT管理大数据集，且无需独占本地系统。
为了在云端有效管理大数据，了解***的工具和服务很重要。比如Hadoop是处理大数据的通用Apache框架。此外，很多主要的云提供商都有自己的大数据服务，比如亚马逊Web服务的弹性MapReduce、谷歌的BigQuery以及Pivotal的大数据套件。
下面是五个快速链接，可以用来探索云端大数据，涉及基础和进阶的工具和服务。
1、哪一种云模式最适合你的大数据项目?
公有云、私有云和混合云都有自身的优势。公有云提供了按使用付费架构的弹性和可扩展性。私有云，基于本地基础架构，为企业提供了控制。混合云混合了私有云和公有云服务，用编排实现了其混合。但是，在为大数据选择合适的云模式时，需要更深入的关注每一个模式。
虽然密切的控制很诱人，但是私有云的本地属性对于大数据来说并不理想。相反公有云更适合按需的大数据任务。然而，潜在带宽限制和数据传输成本却是令人担忧的问题。
2、入门级大数据分析：Google BigQuery
大数据项目对于任何组织机构都是是一项重大事业。为了成功实现，找到适合你的数据需求的正确服务非常重要。虽然Hadoop是一个通用的大数据选择，但是并不适合于每一个人。另一个替代品是谷歌BigQuery，尤其是对于相比MapReduce更喜欢SQL的开发者更是如此。
虽然BigQuery促进了大数据分析实现，但是也伴随着一些折扣。云专家Dan Sullivan会详细解释如何使用BigQuery以及什么类型的企业会更适合这个大数据分析服务。
3、大数据即服务：企业客户需要的远不止分析
大数据工作负载会对传统IT系统造成重大损害，因为巨大的数据集需要资源，而且通常运行这些数据很昂贵。这也正是公有云进入的地方，通过气可扩展性和按使用服务的价格模式，公有云价格可以让企业只支付使用的部分，而不是大数据项目的通用架构。此外，公有云允许资源根据工作负载需求自旋加速或者减少。
但是对大数据使用公有云有一个队里面。虽然软件即服务可以削减成本，但是安全和延迟问题还存在。
4.Apache Sqoop：云端大数据分析的关键一环
Apache框架Hadoop是一个越来越通用的分布式计算环境，主要用来处理大数据。随着云提供商利用这个框架，更多的用户将数据集在Hadoop和传统数据库之间转移，能够帮助数据传输的工具变得更加重要。Apache Sqoop就是这样一款工具，可以在Hadoop和关系型数据库之间转移大量数据。
尽管Sqoop有其优势，但是默认的并行性是个问题。本文中我们将看看具体如何使用这款工具。
5、云端大数据安全利器：亚马逊DynamoDB和Accumulo访问控制
虽然云计算对于大数据项目是一个可靠的选择，但是对于一些组织而言安全是一个障碍。但是，根据Sullivan所说，有三个选择可以让NoSQL数据库更加安全：Accumulo、Amazon Web Service的DynamoDB以及MarkLogic。Apache Accumulo是一个分布式的键值数据存储，提供了基于单元的访问控制，据定了谁可以访问组织的大数据。AWS的键值数据存储DynamoDB用身份及访问管理(IAM)策略解决了访问控制。MarkLogic是一个基于文档的NoSQL数据库，提供了基于角色的访问控制和执行。
原文链接：http://www.searchcloudcomputing.com.cn/showcontent_88193.htm
