除非您拥有用于构建和维护大量IT基础架构的资源,否则,对于当今大多数组织的大数据而言,最好的地方就是云。使用云服务进行数据存储,以及慢慢的变多地做多元化的分析和计算,意味着您实质上是在“外包”与存储和管理大量数据有关的许多麻烦。空间、电源使用、网络基础结构和安全性等问题已成为您的云服务提供商的问题,并且通常已经配备了处理这样一些问题的设备。使用云解决方案的另一大优势是,它们能高度扩展。大多数报价计划让您从小处着手,然后随着需求的增长而增加可用于存储数据的容量。大型提供商还都提供固定服务,可满足您的AI,分析和数据可视化需求,而您的宝贵数据永远都不可能离开云的安全性。
亚马逊可以称之为企业云服务提供商之父,早在2006年就推出了其首个平台即服务产品,自那时起,它就成为了几乎所有其他云存储和计算服务的模型。同年,该公司还推出了弹性云计算(EC2),这是一个计算平台,可提供虚拟化的数据处理服务,能够准确的通过您的需求变化快速扩展或缩小规模。它的数据湖服务以Amazon Simple Storage Service(S3)的名称命名,并且被全球数百万家公司和组织使用。AWS仍然是最受喜爱的大数据运营云存储解决方案,尽管竞争对手竞相赶上并为自己的服务添加新功能,但AWS 在2019年最后一个季度为这家科技巨头创造了近100亿美元的收入。
微软的竞争对手AWS于2010年晚些时候推出,但很快发展成为提供全套工具和服务的公司,旨在使使用大型数据集的组织能够在云中执行所有操作。微软拥有运行世界上一些顶级规模的处理和分析操作的经验,包括自己的Office 360,Skype和Xbox Live。一种优势是企业级的安全性和治理以及与高级分析工具的集成。Azure的服务套件包括Azure Data Lake,它是专门为处理具有复杂数据需求的企业和组织的需求而构建的。数据以其原始格式存储在数据湖中-未经处理,无需适合可应用于所有其他数据的标准架构。
Google的云平台建立在支持大数据驱动的服务(如Youtube和Google Search)的相同技术上,具有所暗示的所有可扩展性和可靠性。它还在Google Cloud Storage的旗帜下提供了许多面向存储和面向数据湖的服务,这些服务旨在进行扩展以处理EB。数据的。根据访问数据集的频率,对不同的数据集使用不相同的定价计划,因此能将本质上只是“备份”且无需每秒访问的数据来进行归档,以降低存储成本。您还可以再一次进行选择在世界上存储它的位置,这将影响访问时间,并确保可以在需要的地方使用它,同时消除了将其存储在不需要的位置所带来的成本。此外,如果您渴望降低碳排放量,那么自2007年以来,所有Google数据存储解决方案的净碳排放量都为零。
Oracle完善的数据库平台可通过其Oracle Cloud服务供企业使用,该服务提供灵活,可扩展的存储以及基于云的分析和数据处理服务套件。该服务因其强大的安全功能而受到高度评价,包括对发送到平台的所有数据来进行实时加密。该平台本身使用Oracle专有的高级机器学习流程来帮助自动执行您可能要执行的许多数据操作,并减少由手动数据输入引起的错误。
IBM根据您的需求提供许多不同的数据湖解决方案,所有解决方案都集中在其IBM Cloud(以前称为Bluemix)平台上。像这里提到的其他解决方案一样,您可以从小规模开始(甚至使用免费套餐),然后在开始生成和存储大量数据时进行扩展。使用IBM平台,用户都能够根据所使用的数据结构在对象存储,块存储或文件存储之间做出合理的选择。IBM以其Watson AI平台的形式提供“认知”分析工具,可以与存储在IBM云服务中的数据完全集成。
阿里云,在西方国家还没有像谷歌、AWS和微软的“三巨头”那样受欢迎,但是它的存在肯定在一直增长。但是,作为中国领先的大数据云服务提供商,它在亚洲拥有庞大的用户群,并提供与美国平台相同的分析,安全性和AI工具,它提供随用随付以及按月订购模式。评论表明,向美国和欧洲客户提供的服务可能缺乏对阿里(Ali)硅谷竞争对手的某些帮助,但价格极具竞争力。