nosql數(shù)據(jù)庫有哪些

NoSQL太火，冒出太多產(chǎn)品了，保守估計也成百上千了。

站在用戶的角度思考問題，與客戶深入溝通，找到蓬溪網(wǎng)站設(shè)計與蓬溪網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗，讓設(shè)計與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個性化、用戶體驗好的作品，建站類型包括：成都網(wǎng)站設(shè)計、成都網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、主機域名、網(wǎng)頁空間、企業(yè)郵箱。業(yè)務(wù)覆蓋蓬溪地區(qū)。

互聯(lián)網(wǎng)公司常用的基本集中在以下幾種，每種只舉一個比較常見或者應(yīng)用比較成功的例子吧。

1. In-Memory KV Store : Redis

in memory key-value store，同時提供了更加豐富的數(shù)據(jù)結(jié)構(gòu)和運算的能力，成功用法是替代memcached，通過checkpoint和commit log提供了快速的宕機恢復(fù)，同時支持replication提供讀可擴展和高可用。

2. Disk-Based KV Store: Leveldb

真正基于磁盤的key-value storage, 模型單一簡單，數(shù)據(jù)量不受限于內(nèi)存大小，數(shù)據(jù)落盤高可靠，Google的幾位大神出品的精品，LSM模型天然寫優(yōu)化，順序?qū)懕P的方式對于新硬件ssd再適合不過了，不足是僅提供了一個庫，需要自己封裝server端。

3. Document Store: Mongodb

分布式nosql，具備了區(qū)別mysql的最大亮點：可擴展性。mongodb 最新引人的莫過于提供了sql接口，是目前nosql里最像mysql的，只是沒有ACID的特性，發(fā)展很快，支持了索引等特性，上手容易，對于數(shù)據(jù)量遠超內(nèi)存限制的場景來說，還需要慎重。

4. Column Table Store: HBase

這個富二代似乎不用贅述了，最大的優(yōu)勢是開源，對于普通的scan和基于行的get等基本查詢，性能完全不是問題，只是只提供裸的api,易用性上是短板，可擴展性方面是最強的，其次坐上了Hadoop的快車，社區(qū)發(fā)展很快，各種基于其上的開源產(chǎn)品不少，來解決諸如join、聚集運算等復(fù)雜查詢。

大數(shù)據(jù)和云計算關(guān)系

大數(shù)據(jù)和云計算關(guān)系

關(guān)于大數(shù)據(jù)和云計算的關(guān)系人們通常會有誤解。而且也會把它們混起來說，分別做一句話直白解釋就是：云計算就是硬件資源的虛擬化；大數(shù)據(jù)就是海量數(shù)據(jù)的高效處理。

雖然上面的一句話解釋不是非常的貼切，但是可以幫助你簡單的理解二者的區(qū)別。另外，如果做一個更形象的解釋，云計算相當(dāng)于我們的計算機和操作系統(tǒng)，將大量的硬件資源虛擬化之后再進行分配使用，在云計算領(lǐng)域目前的老大應(yīng)該算是Amazon，可以說為云計算提供了商業(yè)化的標準，另外值得關(guān)注的還有VMware（其實從這一點可以幫助你理解云計算和虛擬化的關(guān)系），開源的云平臺最有活力的就是Openstack了；

大數(shù)據(jù)相當(dāng)于海量數(shù)據(jù)的“數(shù)據(jù)庫”，而且通觀大數(shù)據(jù)領(lǐng)域的發(fā)展也能看出，當(dāng)前的大數(shù)據(jù)處理一直在向著近似于傳統(tǒng)數(shù)據(jù)庫體驗的方向發(fā)展，Hadoop的產(chǎn)生使我們能夠用普通機器建立穩(wěn)定的處理TB級數(shù)據(jù)的集群，把傳統(tǒng)而昂貴的并行計算等概念一下就拉到了我們的面前，但是其不適合數(shù)據(jù)分析人員使用（因為MapReduce開發(fā)復(fù)雜），所以PigLatin和Hive出現(xiàn)了（分別是Yahoo！和facebook發(fā)起的項目，說到這補充一下，在大數(shù)據(jù)領(lǐng)域Google、facebook、twitter等前沿的互聯(lián)網(wǎng)公司作出了很積極和強大的貢獻），為我們帶來了類SQL的操作，到這里操作方式像SQL了，但是處理效率很慢，絕對和傳統(tǒng)的數(shù)據(jù)庫的處理效率有天壤之別，所以人們又在想怎樣在大數(shù)據(jù)處理上不只是操作方式類SQL，而處理速度也能“類SQL”，Google為我們帶來了Dremel/PowerDrill等技術(shù)，Cloudera（Hadoop商業(yè)化最強的公司，Hadoop之父cutting就在這里負責(zé)技術(shù)領(lǐng)導(dǎo)）的Impala也出現(xiàn)了。

整體來看，未來的趨勢是，云計算作為計算資源的底層，支撐著上層的大數(shù)據(jù)處理，而大數(shù)據(jù)的發(fā)展趨勢是，實時交互式的查詢效率和分析能力，借用Google一篇技術(shù)論文中的話，“動一下鼠標就可以在秒級操作PB級別的數(shù)據(jù)”難道不讓人興奮嗎？（田原）

在談大數(shù)據(jù)的時候，首先談到的就是大數(shù)據(jù)的4V特性，即類型復(fù)雜，海量，快速和價值。IBM原來談大數(shù)據(jù)的時候談3V，沒有價值這個V。而實際我們來看4V更加恰當(dāng)，價值才是大數(shù)據(jù)問題解決的最終目標，其它3V都是為價值目標服務(wù)。在有了4V的概念后，就很容易簡化的來理解大數(shù)據(jù)的核心，即大數(shù)據(jù)的總體架構(gòu)包括三層，數(shù)據(jù)存儲，數(shù)據(jù)處理和數(shù)據(jù)分析。類型復(fù)雜和海量由數(shù)據(jù)存儲層解決，快速和時效性要求由數(shù)據(jù)處理層解決，價值由數(shù)據(jù)分析層解決。

數(shù)據(jù)先要通過存儲層存儲下來，然后根據(jù)數(shù)據(jù)需求和目標來建立相應(yīng)的數(shù)據(jù)模型和數(shù)據(jù)分析指標體系對數(shù)據(jù)進行分析產(chǎn)生價值。而中間的時效性又通過中間數(shù)據(jù)處理層提供的強大的并行計算和分布式計算能力來完成。三層相互配合，讓大數(shù)據(jù)最終產(chǎn)生價值。

數(shù)據(jù)存儲層

數(shù)據(jù)有很多分法，有結(jié)構(gòu)化，半結(jié)構(gòu)化，非結(jié)構(gòu)化；也有元數(shù)據(jù)，主數(shù)據(jù)，業(yè)務(wù)數(shù)據(jù)；還可以分為GIS，視頻，文件，語音，業(yè)務(wù)交易類各種數(shù)據(jù)。傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)庫已經(jīng)無法滿足數(shù)據(jù)多樣性的存儲要求，因此在RDBMS基礎(chǔ)上增加了兩種類型，一種是hdfs可以直接應(yīng)用于非結(jié)構(gòu)化文件存儲，一種是nosql類數(shù)據(jù)庫，可以應(yīng)用于結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)存儲。

從存儲層的搭建來說，關(guān)系型數(shù)據(jù)庫，NoSQL數(shù)據(jù)庫和hdfs分布式文件系統(tǒng)三種存儲方式都需要。業(yè)務(wù)應(yīng)用根據(jù)實際的情況選擇不同的存儲模式，但是為了業(yè)務(wù)的存儲和讀取方便性，我們可以對存儲層進一步的封裝，形成一個統(tǒng)一的共享存儲服務(wù)層，簡化這種操作。從用戶來講并不關(guān)心底層存儲細節(jié)，只關(guān)心數(shù)據(jù)的存儲和讀取的方便性，通過共享數(shù)據(jù)存儲層可以實現(xiàn)在存儲上的應(yīng)用和存儲基礎(chǔ)設(shè)置的徹底解耦。

數(shù)據(jù)處理層

數(shù)據(jù)處理層核心解決問題在于數(shù)據(jù)存儲出現(xiàn)分布式后帶來的數(shù)據(jù)處理上的復(fù)雜度，海量存儲后帶來了數(shù)據(jù)處理上的時效性要求，這些都是數(shù)據(jù)處理層要解決的問題。

在傳統(tǒng)的云相關(guān)技術(shù)架構(gòu)上，可以將hive，pig和hadoop-mapreduce框架相關(guān)的技術(shù)內(nèi)容全部劃入到數(shù)據(jù)處理層的能力。原來我思考的是將hive劃入到數(shù)據(jù)分析層能力不合適，因為hive重點還是在真正處理下的復(fù)雜查詢的拆分，查詢結(jié)果的重新聚合，而mapreduce本身又實現(xiàn)真正的分布式處理能力。

mapreduce只是實現(xiàn)了一個分布式計算的框架和邏輯，而真正的分析需求的拆分，分析結(jié)果的匯總和合并還是需要hive層的能力整合。最終的目的很簡單，即支持分布式架構(gòu)下的時效性要求。

數(shù)據(jù)分析層

最后回到分析層，分析層重點是真正挖掘大數(shù)據(jù)的價值所在，而價值的挖掘核心又在于數(shù)據(jù)分析和挖掘。那么數(shù)據(jù)分析層核心仍然在于傳統(tǒng)的BI分析的內(nèi)容。包括數(shù)據(jù)的維度分析，數(shù)據(jù)的切片，數(shù)據(jù)的上鉆和下鉆，cube等。

數(shù)據(jù)分析我只關(guān)注兩個內(nèi)容，一個就是傳統(tǒng)數(shù)據(jù)倉庫下的數(shù)據(jù)建模，在該數(shù)據(jù)模型下需要支持上面各種分析方法和分析策略；其次是根據(jù)業(yè)務(wù)目標和業(yè)務(wù)需求建立的KPI指標體系，對應(yīng)指標體系的分析模型和分析方法。解決這兩個問題基本解決數(shù)據(jù)分析的問題。

傳統(tǒng)的BI分析通過大量的ETL數(shù)據(jù)抽取和集中化，形成一個完整的數(shù)據(jù)倉庫，而基于大數(shù)據(jù)的BI分析，可能并沒有一個集中化的數(shù)據(jù)倉庫，或者將數(shù)據(jù)倉庫本身也是分布式的了，BI分析的基本方法和思路并沒有變化，但是落地到執(zhí)行的數(shù)據(jù)存儲和數(shù)據(jù)處理方法卻發(fā)生了大變化。

談了這么多，核心還是想說明大數(shù)據(jù)兩大核心為云技術(shù)和BI，離開云技術(shù)大數(shù)據(jù)沒有根基和落地可能，離開BI和價值，大數(shù)據(jù)又變化為舍本逐末，丟棄關(guān)鍵目標。簡單總結(jié)就是大數(shù)據(jù)目標驅(qū)動是BI，大數(shù)據(jù)實施落地式云技術(shù)。

如何通過技術(shù)的思維來分析數(shù)據(jù)

大數(shù)據(jù)分析是指對規(guī)模巨大的數(shù)據(jù)進行分析。大數(shù)據(jù)可以概括為5個V，數(shù)據(jù)量大(Volume)、速度快(Velocity)、類型多(Variety)、Value（價值）、真實性(Veracity)。大數(shù)據(jù)是指無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進行抓取、管理和處理的數(shù)據(jù)集合。大數(shù)據(jù)技術(shù)，是指從各種各樣類型的數(shù)據(jù)中，快速獲得有價值信息的能力。適用于大數(shù)據(jù)的技術(shù)，包括大規(guī)模并行處理（MPP）數(shù)據(jù)庫，數(shù)據(jù)挖掘電網(wǎng)，分布式文件系統(tǒng)，分布式數(shù)據(jù)庫，云計算平臺，互聯(lián)網(wǎng)，和可擴展的存儲系統(tǒng)。大數(shù)據(jù)有四個基本特征：一、數(shù)據(jù)體量巨大（Vomule），二、數(shù)據(jù)類型多樣（Variety），三、處理速度快（Velocity），四、價值密度低（Value）。在大數(shù)據(jù)的領(lǐng)域現(xiàn)在已經(jīng)出現(xiàn)了非常多的新技術(shù)，這些新技術(shù)將會是大數(shù)據(jù)收集、存儲、處理和呈現(xiàn)最強有力的工具。大數(shù)據(jù)處理一般有以下幾種關(guān)鍵性技術(shù)：大數(shù)據(jù)采集、大數(shù)據(jù)預(yù)處理、大數(shù)據(jù)存儲及管理、大數(shù)據(jù)分析及挖掘、大數(shù)據(jù)展現(xiàn)和應(yīng)用（大數(shù)據(jù)檢索、大數(shù)據(jù)可視化、大數(shù)據(jù)應(yīng)用、大數(shù)據(jù)安全等）。大數(shù)據(jù)處理之一：采集。大數(shù)據(jù)的采集是指利用多個數(shù)據(jù)庫來接收發(fā)自客戶端（Web、App或者傳感器形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進行簡單的查詢和處理工作。比如，電商會使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫MySQL和Oracle等來存儲每一筆事務(wù)數(shù)據(jù)，除此之外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫也常用于數(shù)據(jù)的采集。在大數(shù)據(jù)的采集過程中，其主要特點和挑戰(zhàn)是并發(fā)數(shù)高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網(wǎng)站和淘寶，它們并發(fā)的訪問量在峰值時達到上百萬，所以需要在采集端部署大量數(shù)據(jù)庫才能支撐。并且如何在這些數(shù)據(jù)庫之間進行負載均衡和分片的確是需要深入的思考和設(shè)計。大數(shù)據(jù)處理之二：導(dǎo)入和預(yù)處理。雖然采集端本身會有很多數(shù)據(jù)庫，但是如果要對這些海量數(shù)據(jù)進行有效的分析，還是應(yīng)該將這些來自前端的數(shù)據(jù)導(dǎo)入到一個集中的大型分布式數(shù)據(jù)庫，或者分布式存儲集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作。也有一些用戶會在導(dǎo)入時使用來自Twitter的Storm來對數(shù)據(jù)進行流式計算，來滿足部分業(yè)務(wù)的實時計算需求。導(dǎo)入與預(yù)處理過程的特點和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大，每秒鐘的導(dǎo)入量經(jīng)常會達到百兆，甚至千兆級別。大數(shù)據(jù)處理之三：統(tǒng)計和分析。統(tǒng)計與分析主要利用分布式數(shù)據(jù)庫，或者分布式計算集群來對存儲于其內(nèi)的海量數(shù)據(jù)進行普通的分析和分類匯總等，以滿足大多數(shù)常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存儲Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。統(tǒng)計與分析這部分的主要特點和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對系統(tǒng)資源，特別是I/O會有極大的占用。大數(shù)據(jù)處理之四：挖掘。與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù)據(jù)上面進行基于各種算法的計算，從而起到預(yù)測（Predict）的效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。比較典型算法有用于聚類的Kmeans、用于統(tǒng)計學(xué)習(xí)的SVM和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并且計算涉及的數(shù)據(jù)量和計算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主。整個大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個方面的步驟，才能算得上是一個比較完整的大數(shù)據(jù)處理。大數(shù)據(jù)的處理方式大致分為數(shù)據(jù)流處理方式和批量數(shù)據(jù)處理方式兩種。數(shù)據(jù)流處理的方式適合用于對實時性要求比較高的場合中。并不需要等待所有的數(shù)據(jù)都有了之后再進行處理，而是有一點數(shù)據(jù)就處理一點，地要求機器的處理器有較快速的性能以及擁有比較大的主存儲器容量，對輔助存儲器的要求反而不高。批量數(shù)據(jù)處理方式是對整個要處理的數(shù)據(jù)進行切割劃分成小的數(shù)據(jù)塊，之后對其進行處理。重點在于把大化小——把劃分的小塊數(shù)據(jù)形成小任務(wù)，分別單獨進行處理，并且形成小任務(wù)的過程中不是進行數(shù)據(jù)傳輸之后計算，而是將計算方法（通常是計算函數(shù)——映射并簡化）作用到這些數(shù)據(jù)塊最終得到結(jié)果。當(dāng)前，對大數(shù)據(jù)的處理分析正成為新一代信息技術(shù)融合應(yīng)用的節(jié)點。移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、社交網(wǎng)絡(luò)、數(shù)字家庭、電子商務(wù)等是新一代信息技術(shù)的應(yīng)用形態(tài)，這些應(yīng)用不斷產(chǎn)生大數(shù)據(jù)。通過對不同來源數(shù)據(jù)的管理、處理、分析與優(yōu)化，將結(jié)果反饋到上述應(yīng)用中，將創(chuàng)造出巨大的經(jīng)濟和社會價值。大數(shù)據(jù)也是信息產(chǎn)業(yè)持續(xù)高速增長的新引擎。面對大數(shù)據(jù)市場的新技術(shù)、新產(chǎn)品、新業(yè)態(tài)會不斷涌現(xiàn)。在硬件與集成設(shè)備領(lǐng)域，大數(shù)據(jù)將對芯片、存儲產(chǎn)業(yè)產(chǎn)生重要影響，還將催生一體化數(shù)據(jù)存儲處理服務(wù)器、內(nèi)存計算等市場。在軟件與服務(wù)領(lǐng)域，大數(shù)據(jù)將引發(fā)數(shù)據(jù)快速處理分析、數(shù)據(jù)挖掘技術(shù)和軟件產(chǎn)品的發(fā)展。大數(shù)據(jù)利用將成為提高核心競爭力的關(guān)鍵因素。各行各業(yè)的決策正在從“業(yè)務(wù)驅(qū)動”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)驅(qū)動”。對大數(shù)據(jù)的分析可以使零售商實時掌握市場動態(tài)并迅速做出應(yīng)對；可以為商家制定更加精準有效的營銷策略提供決策支持；可以幫助企業(yè)為消費者提供更加及時和個性化的服務(wù)；在醫(yī)療領(lǐng)域，可提高診斷準確性和藥物有效性；在公共事業(yè)領(lǐng)域，大數(shù)據(jù)也開始發(fā)揮促進經(jīng)濟發(fā)展、維護社會穩(wěn)定等方面的重要作用。大數(shù)據(jù)時代科學(xué)研究的方法手段將發(fā)生重大改變。例如，抽樣調(diào)查是社會科學(xué)的基本研究方法。在大數(shù)據(jù)時代，可通過實時監(jiān)測，跟蹤研究對象在互聯(lián)網(wǎng)上產(chǎn)生的海量行為數(shù)據(jù)，進行挖掘分析，揭示出規(guī)律性的東西，提出研究結(jié)論和對策。目前大數(shù)據(jù)在醫(yī)療衛(wèi)生領(lǐng)域有廣為所知的應(yīng)用，公共衛(wèi)生部門可以通過覆蓋全國的患者電子病歷數(shù)據(jù)庫進行全面疫情監(jiān)測。5千萬條美國人最頻繁檢索的詞條被用來對冬季流感進行更及時準確的預(yù)測。學(xué)術(shù)界整合出2003年H5N1禽流感感染風(fēng)險地圖，研究發(fā)行此次H7N9人類病例區(qū)域。社交網(wǎng)絡(luò)為許多慢性病患者提供了臨床癥狀交流和診治經(jīng)驗分享平臺，醫(yī)生借此可獲得院外臨床效果統(tǒng)計數(shù)據(jù)。基于對人體基因的大數(shù)據(jù)分析，可以實現(xiàn)對癥下藥的個性化治療。在醫(yī)藥研發(fā)方面，大數(shù)據(jù)的戰(zhàn)略意義在于對各方面醫(yī)療衛(wèi)生數(shù)據(jù)進行專業(yè)化處理，對患者甚至大眾的行為和情緒的細節(jié)化測量成為可能，挖掘其癥狀特點、行為習(xí)慣和喜好等，找到更符合其特點或癥狀的藥品和服務(wù)，并針對性的調(diào)整和優(yōu)化。在醫(yī)藥研究開發(fā)部門或公司的新藥研發(fā)階段，能夠通過大數(shù)據(jù)技術(shù)分析來自互聯(lián)網(wǎng)上的公眾疾病藥品需求趨勢，確定更為有效率的投入產(chǎn)品比，合理配置有限研發(fā)資源。除研發(fā)成本外，醫(yī)藥公司能夠優(yōu)化物流信息平臺及管理，更快地獲取回報，一般新藥從研發(fā)到推向市場的時間大約為13年，使用數(shù)據(jù)分析預(yù)測則能幫助醫(yī)藥研發(fā)部門或企業(yè)提早將新藥推向市場。在疾病診治方面，可通過健康云平臺對每個居民進行智能采集健康數(shù)據(jù)，居民可以隨時查閱，了解自身健康程度。同時，提供專業(yè)的在線專家咨詢系統(tǒng)，由專家對居民健康程度做出診斷，提醒可能發(fā)生的健康問題，避免高危病人轉(zhuǎn)為慢性病患者，避免慢性病患者病情惡化，減輕個人和醫(yī)保負擔(dān)，實現(xiàn)疾病科學(xué)管理。對于醫(yī)療衛(wèi)生機構(gòu)，通過對遠程監(jiān)控系統(tǒng)產(chǎn)生數(shù)據(jù)的分析，醫(yī)院可以減少病人住院時間，減少急診量，實現(xiàn)提高家庭護理比例和門診醫(yī)生預(yù)約量的目標。武漢協(xié)和醫(yī)院目前也已經(jīng)與市區(qū)八家社區(qū)衛(wèi)生服務(wù)中心建立遠程遙控聯(lián)系，并將在未來提供“從醫(yī)院到家”的服務(wù)。在醫(yī)療衛(wèi)生機構(gòu)，通過實時處理管理系統(tǒng)產(chǎn)生的數(shù)據(jù)，連同歷史數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)分析就診資源的使用情況，實現(xiàn)機構(gòu)科學(xué)管理，提高醫(yī)療衛(wèi)生服務(wù)水平和效率，引導(dǎo)醫(yī)療衛(wèi)生資源科學(xué)規(guī)劃和配置。大數(shù)據(jù)還能提升醫(yī)療價值，形成個性化醫(yī)療，比如基于基因科學(xué)的醫(yī)療模式。在公共衛(wèi)生管理方面，大數(shù)據(jù)可以連續(xù)整合和分析公共衛(wèi)生數(shù)據(jù)，提高疾病預(yù)報和預(yù)警能力，防止疫情爆發(fā)。公共衛(wèi)生部門則可以通過覆蓋區(qū)域的衛(wèi)生綜合管理信息平臺和居民信息數(shù)據(jù)庫，快速監(jiān)測傳染病，進行全面疫情監(jiān)測，并通過集成疾病監(jiān)測和響應(yīng)程序，進行快速響應(yīng)，這些都將減少醫(yī)療索賠支出、降低傳染病感染率。通過提供準確和及時的公眾健康咨詢，將會大幅提高公眾健康風(fēng)險意識，同時也將降低傳染病感染風(fēng)險。在居民健康管理方面，居民電子健康檔案是大數(shù)據(jù)在居民健康管理方面的重要數(shù)據(jù)基礎(chǔ)，大數(shù)據(jù)技術(shù)可以促進個體化健康事務(wù)管理服務(wù)，改變現(xiàn)代營養(yǎng)學(xué)和信息化管理技術(shù)的模式，更全面深入地從社會、心理、環(huán)境、營養(yǎng)、運動的角度來對每個人進行全面的健康保障服務(wù)，幫助、指導(dǎo)人們成功有效地維護自身健康。另外，大數(shù)據(jù)可以對患者健康信息集成整合，在線遠程為診斷和治療提供更好的數(shù)據(jù)證據(jù)，通過挖掘數(shù)據(jù)對居民健康進行智能化監(jiān)測，通過移動設(shè)備定位數(shù)據(jù)對居民健康影響因素進行分析等等，進一步提升居民健康管理水平。在健康危險因素分析方面，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、醫(yī)療衛(wèi)生信息系統(tǒng)及相關(guān)信息系統(tǒng)等普遍使用，可以系統(tǒng)全面地收集健康危險因素數(shù)據(jù)，包括環(huán)境因素（利用GIS系統(tǒng)采集大氣、土壤、水文等數(shù)據(jù)），生物因素（包括致病性微生物、細菌、病毒、真菌等的監(jiān)測數(shù)據(jù)），經(jīng)濟社會因素（分析經(jīng)濟收入、營養(yǎng)條件、人口遷徙、城鎮(zhèn)化、教育就業(yè)等因素數(shù)據(jù)），個人行為和心理因素，醫(yī)療衛(wèi)生服務(wù)因素，以及人類生物遺傳因素等，利用大數(shù)據(jù)技術(shù)對健康危險因素進行比對關(guān)聯(lián)分析，針對不同區(qū)域、人群進行評估和遴選健康相關(guān)危險因素及制作健康監(jiān)測評估圖譜和知識庫也成為可能，提出居民健康干預(yù)的有限領(lǐng)域和有針對性的干預(yù)計劃，促進居民健康水平的提高。大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家，同時還有普通用戶，但是他們二者對于大數(shù)據(jù)分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現(xiàn)大數(shù)據(jù)特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點，也正是因為這些被全世界統(tǒng)計學(xué)家所公認的各種統(tǒng)計方法（可以稱之為真理）才能深入數(shù)據(jù)內(nèi)部，挖掘出公認的價值。另外一個方面也是因為有這些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)，如果一個算法得花上好幾年才能得出結(jié)論，那大數(shù)據(jù)的價值也就無從說起了。大數(shù)據(jù)分析最終要的應(yīng)用領(lǐng)域之一就是預(yù)測性分析，從大數(shù)據(jù)中挖掘出特點，通過科學(xué)的建立模型，之后便可以通過模型帶入新的數(shù)據(jù)，從而預(yù)測未來的數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)的多元化給數(shù)據(jù)分析帶來新的挑戰(zhàn)，我們需要一套工具系統(tǒng)的去分析，提煉數(shù)據(jù)。語義引擎需要設(shè)計到有足夠的人工智能以足以從數(shù)據(jù)中主動地提取信息。5.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。大數(shù)據(jù)分析離不開數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域，都能夠保證分析結(jié)果的真實和有價值。大數(shù)據(jù)分析的基礎(chǔ)就是以上五個方面，當(dāng)然更加深入大數(shù)據(jù)分析的話，還有很多很多更加有特點的、更加深入的、更加專業(yè)的大數(shù)據(jù)分析方法。數(shù)據(jù)采集：ETL工具負責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時中間層后進行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。數(shù)據(jù)存取：關(guān)系數(shù)據(jù)庫、NOSQL、SQL等。基礎(chǔ)架構(gòu)：云存儲、分布式文件存儲等。數(shù)據(jù)處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學(xué)科。處理自然語言的關(guān)鍵是要讓計算機”理解”自然語言，所以自然語言處理又叫做自然語言理解也稱為計算語言學(xué)。一方面它是語言信息處理的一個分支，另一方面它是人工智能的核心課題之一。統(tǒng)計分析：假設(shè)檢驗、顯著性檢驗、差異分析、相關(guān)分析、T檢驗、方差分析、卡方分析、偏相關(guān)分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預(yù)測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應(yīng)分析、多元對應(yīng)分析（最優(yōu)尺度分析）、bootstrap技術(shù)等等。數(shù)據(jù)挖掘：分類（Classification）、估計（Estimation）、預(yù)測（Prediction）、相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinitygroupingorassociationrules）、聚類（Clustering）、描述和可視化、DescriptionandVisualization）、復(fù)雜數(shù)據(jù)類型挖掘(Text,Web,圖形圖像，視頻，音頻等)模型預(yù)測：預(yù)測模型、機器學(xué)習(xí)、建模仿真。結(jié)果呈現(xiàn)：云計算、標簽云、關(guān)系圖等。大數(shù)據(jù)的采集是指利用多個數(shù)據(jù)庫來接收發(fā)自客戶端（Web、App或者傳感器形式等）的數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進行簡單的查詢和處理工作。比如，電商會使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫MySQL和Oracle等來存儲每一筆事務(wù)數(shù)據(jù)，除此之外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫也常用于數(shù)據(jù)的采集。在大數(shù)據(jù)的采集過程中，其主要特點和挑戰(zhàn)是并發(fā)數(shù)高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網(wǎng)站和淘寶，它們并發(fā)的訪問量在峰值時達到上百萬，所以需要在采集端部署大量數(shù)據(jù)庫才能支撐。并且如何在這些數(shù)據(jù)庫之間進行負載均衡和分片的確是需要深入的思考和設(shè)計。雖然采集端本身會有很多數(shù)據(jù)庫，但是如果要對這些海量數(shù)據(jù)進行有效的分析，還是應(yīng)該將這些來自前端的數(shù)據(jù)導(dǎo)入到一個集中的大型分布式數(shù)據(jù)庫，或者分布式存儲集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作。也有一些用戶會在導(dǎo)入時使用來自Twitter的Storm來對數(shù)據(jù)進行流式計算，來滿足部分業(yè)務(wù)的實時計算需求。導(dǎo)入與預(yù)處理過程的特點和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大，每秒鐘的導(dǎo)入量經(jīng)常會達到百兆，甚至千兆級別。統(tǒng)計與分析主要利用分布式數(shù)據(jù)庫，或者分布式計算集群來對存儲于其內(nèi)的海量數(shù)據(jù)進行普通的分析和分類匯總等，以滿足大多數(shù)常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存儲Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。統(tǒng)計與分析這部分的主要特點和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對系統(tǒng)資源，特別是I/O會有極大的占用。與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù)據(jù)上面進行基于各種算法的計算，從而起到預(yù)測（Predict）的效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。比較典型算法有用于聚類的Kmeans、用于統(tǒng)計學(xué)習(xí)的SVM和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并且計算涉及的數(shù)據(jù)量和計算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主。整個大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個方面的步驟，才能算得上是一個比較完整的大數(shù)據(jù)處理。

目前，使用最多，性能最好的是什么數(shù)據(jù)庫呢？

沒有最好的，看不同的需要，各種數(shù)據(jù)庫都有其使用的環(huán)境的

比較常用的關(guān)系型數(shù)據(jù)庫就是oracle

sybase

iq屬于列陣式數(shù)據(jù)庫

還有一些nosql(not

only

sql)數(shù)據(jù)庫

2021年最受程序員歡迎的開發(fā)工具TOP 50名單出爐-

對于每一個開發(fā)者而言，開發(fā)工具就相當(dāng)于他們的武器，選擇一個合適的工具能夠幫助我們在工作時事半功倍，在互聯(lián)網(wǎng)逐漸發(fā)展成熟的今天，越來越多的開發(fā)工具供我們選擇，但其中總有一些更好用的，如何選擇成為了一大難題。

從而頒布了2021年StackShare第八屆頂級工具獎，快來看看有沒有你青睞的開發(fā)工具吧。

年度最佳新興工具

1.FastAPI

FastAPI 是一個使用 Python3.6+ 構(gòu)建 Web API 的高性能框架。根據(jù)框架創(chuàng)建者的說法，F(xiàn)astAPI 性能與 NodeJS 或 Golang 相當(dāng)。

2.GitHub Copilot

作為一款 AI 結(jié)對編程工具，Copilot 的主要定位是提供類似 IntelliSense/IntelliCode 的代碼補全與建議功能，但在實際表現(xiàn)上有望超越同樣由微軟合作伙伴 OpenAI 開發(fā)的 Codex AI 系統(tǒng)。

3.FiglamFigma

Figma 是一個 基于瀏覽器 的協(xié)作式 UI 設(shè)計工具，從推出至今越來越受到 UI 設(shè)計師的青睞，也有很多的設(shè)計團隊投入了Figma 的懷抱，

4.Logtail

Logtail是日志服務(wù)提供的日志采集Agent，用于采集阿里云ECS、自建IDC、其他云廠商等服務(wù)器上的日志。本文介紹Logtail的功能、優(yōu)勢、使用限制及配置流程等信息。

5.Coder

開發(fā)人員工作區(qū)平臺·

6.Charts.csscss

Charts.css 是用于數(shù)據(jù)可視化的開源 CSS 框架，幫助用戶理解數(shù)據(jù)，幫助開發(fā)人員使用簡單的 CSS 類將數(shù)據(jù)轉(zhuǎn)換為漂亮的圖表。·

7.Counter

簡單并且免費的網(wǎng)絡(luò)分析·

8.React Query

React Query是一個庫，可為任何類型的異步數(shù)據(jù)提供ReactJS狀態(tài)管理功能。根據(jù)他們的官方文件，·

9.vscode.dev

將VS Code引入瀏覽器，構(gòu)建一個可以在瀏覽器中完全無服務(wù)器運行的開發(fā)工具。

10.BookStack

BookStack 是一個開源的、基于 Laravel + Vue.js 構(gòu)建的知識管理和服務(wù)平臺。具有簡單但功能強大的所見即所得編輯器，允許團隊輕松創(chuàng)建詳細且有用的文檔。·

11.ThunderClient

Thunder Client 為我們提供了一款輕量級、易用、整潔、簡單的 Rest API 客戶端擴展。·我們可以利用 Thunder Client 在編輯器內(nèi)快速測試代碼庫的 API 端點，從而最大限度地減少頁面的切換。它可以替代 Postman，作為常用的無腳本測試工具。

12.Quod AI

Quod AI Code Search是一個由人工智能驅(qū)動的Chrome擴展，可以自動從Git存儲庫或Jira問題中搜索代碼。

它使用問題的標題和描述，并自動在你的Git存儲庫中找到匹配的內(nèi)容。

13.Dendron

Dendron 是典型的開源社區(qū)編程思維的解決方案，雖然初看起來有一點學(xué)習(xí)曲線，但從根本上是給了使用者最大的自由發(fā)揮空間，同時又提供了最強大和最徹底的工具生態(tài)支持。·

14.Notion API

把概念和你每天使用的工具聯(lián)系起來·

15.Github1s

只需1秒，就可以用VS Code方式來看GitHub代碼。·

16.Ocean

容器的無服務(wù)器基礎(chǔ)架構(gòu)引擎·

17.Magic

快速構(gòu)建應(yīng)用程序，可定制，無密碼登錄

·

18.Jina

更簡單的一種在云上構(gòu)建神經(jīng)搜索的方法，

19.Focalboard

一款開源、本地存儲、免費的類 Notion 應(yīng)用Focalboard 的自我定位是“Trello、Notion 和 Asana 的開源、自托管替代品”。·

20.zx

更好地編寫腳本的工具（By Google）

21.OpenSearh

OpenSearch是阿里云開放搜索簡稱，為解決用戶結(jié)構(gòu)化數(shù)據(jù)搜索需求的托管服務(wù)，支持數(shù)據(jù)結(jié)構(gòu)、搜索排序、數(shù)據(jù)處理自由定制。·

22.Querybook

一個可以發(fā)現(xiàn)、創(chuàng)建和共享數(shù)據(jù)分析、查詢以及表的大數(shù)據(jù)IDE（通過Pinterest），

23.MangoDB

MongoDB是一款為web應(yīng)用程序和互聯(lián)網(wǎng)基礎(chǔ)設(shè)施設(shè)計的數(shù)據(jù)庫管理系統(tǒng)。MongoDB就是數(shù)據(jù)庫，是NoSQL類型的數(shù)據(jù)庫

24.TooIJet

Retool的開源替代品·

25.Kitemaker

Kitemaker是為團隊而非經(jīng)理創(chuàng)建的超快速問題跟蹤器。為遠程團隊創(chuàng)建的Jira的快速替代方案·

26.Appflowy

Appflowy 是一款使用 Flutter 和 Rust 構(gòu)建的開源筆記軟件，它支持Windows、macOS和Linux，可以免費下載使用

27.Kubegres

Kubegres 是一個 Kubernetes Operator，用來部署并維護 PostgreSql 集群，提供開箱即用的數(shù)據(jù)復(fù)制和故障轉(zhuǎn)移功能，簡化 PostgreSql 集群生命周期管理，降低數(shù)據(jù)復(fù)制的復(fù)雜性

28.Lightning Web Components

Lightning Web Components,業(yè)內(nèi)簡稱LWC,是Salesforce于Spring 19發(fā)布的一款新型Lightning Component，快速的企業(yè)級Web組件基礎(chǔ)

29.Judo

用無代碼構(gòu)建原生應(yīng)用體驗

30.Apache APISIX

Apache APISIX Apache APISIX是一個動態(tài)、實時、高性能的API網(wǎng)關(guān)。提供了豐富的流量管理功能，如負載均衡、動態(tài)上游、canary釋放、斷路、認證、可觀察性等。

31.Control

提供免費的加速、自動化安全性以及SOC2合規(guī)

32.Remix

專注于Web技術(shù)和現(xiàn)代 用戶體驗的框架

33.NocoDB

免費并且開源的Airtable替代方案

34.JetBrainsQodana

評估你擁有的、合同或購買的代碼的完整性

35.TabnineAI

只能代碼編寫

36.Coolify

一個開源的，自適應(yīng)的Heroku和Netlify的替代品

37.Penpot

開源設(shè)計和原型平臺

38.Portman

Postman介紹：postman是一個開源的接口測試工具，無論是做單個接口的測試還是整套測試腳本的撥測都非常方便。

39.Devops Stack

持續(xù)部署Kubernetes環(huán)境

40.Slidev

面向開發(fā)人員的演示幻燈片

41.ReScript

ReScript 是一門針對 JavaScript 程序員的新語言，特別是對 TypeScript 和 Flow 的類型安全感興趣的程序員。ReScript 的語法和 JavaScript 非常相似

42.Fig

自定完成終端

43.FlutterFlow

Flutterflow 是一個在線低碼平臺,使人們在視覺上以人們在視覺上構(gòu)建本機移動應(yīng)用程序。

44.Porter

運行在你自己的云中的Heroku

45.SigmaOS

在 SigmaOS 中，你會看到完全不同的瀏覽器布局，它更像是一個工作臺

46.VictoeiaMetrics DB

快速、低成本的監(jiān)控解決方案和時間序列數(shù)據(jù)庫

47.CloudflarePages

JAMstack平臺為前端開發(fā)者提供協(xié)作和部署網(wǎng)站的平臺

48. Devbook

面向開發(fā)者的搜索引擎

49.Front Matter

直接在VS Code中管理靜態(tài)站點

50.Supacase UI

用于企業(yè)儀表的React組件庫

以上可以說是集結(jié)了開發(fā)行業(yè)中的所有“神器”，不僅能助力程序員高效工作，也是今后走向開發(fā)崗位小伙伴們的加薪工具。小伙伴可以從中挑選適合自己的工具~

架構(gòu)師應(yīng)該如何判斷技術(shù)演進的方向？

互聯(lián)網(wǎng)的出現(xiàn)，不僅加快了技術(shù)圈的快速發(fā)展，而且改變了普通人的生活方式。近觀這10年的技術(shù)發(fā)展，可以說是目不暇接，大的方面有云計算、大數(shù)據(jù)、人工智能等。細分的領(lǐng)域有NoSQL、NOde.js、Docker容器化技術(shù)等。對于技術(shù)人員來說，技術(shù)的快速發(fā)展當(dāng)然是一件好事，畢竟在這些百寶箱中有了更多的可選工具，另外也可以通過學(xué)習(xí)業(yè)界先進的技術(shù)來提升自己的技術(shù)實力。但對于架構(gòu)師來說，除了這些好處，卻多了“甜蜜的煩惱”：面對層出不窮的新技術(shù)，我們應(yīng)該采取什么樣的策略呢？

架構(gòu)師在進行技術(shù)選型時，可能會面臨以下的誘惑或挑戰(zhàn)：

1.docker虛擬化技術(shù)很流行，我們要不要引進？

2.公有云計算這么流行，我們的業(yè)務(wù)要不要上云？

3.我們公司的技術(shù)水平跟業(yè)界頂尖的公司相比，還相差太遠，要不要投入一些人力嘗試一些新技術(shù)框架？不然招聘的時候沒有影響力！

關(guān)于以上幾個問題的回答，基本上可以分為以下幾個典型的派別：

1.潮流派：潮流派的典型特征就是對新技術(shù)比較熱衷，緊跟技術(shù)潮流，當(dāng)有新技術(shù)出現(xiàn)時，迫切想將新的技術(shù)運用到自己的項目或產(chǎn)品中。

2.保守派：保守派的特征正好和潮流派相反，他們對于新技術(shù)有著很強的戒備心，穩(wěn)定壓倒一切，喜歡用一種技術(shù)闖蕩天下，說的直白一點，保守派就是想拿著一把錘子解決所有的問題。

3.跟風(fēng)派：跟風(fēng)派與潮流派不同，跟風(fēng)派不是跟著技術(shù)潮流，而是跟著競爭對手的步子走。簡單地說，競爭對手用了什么技術(shù)，咱么就用什么技術(shù)，競爭對手沒用咱們就等等再看。

下面我們來看一下不同的派別可能存在的問題。

1.潮流派

首先，新技術(shù)需要時間成熟，如果剛出來就用，此時新技術(shù)還不怎么成熟，實際應(yīng)用中很可能遇到各種“坑”，自己成了實驗小白鼠。其次，新技術(shù)需要學(xué)習(xí)，需要花費一定的時間去掌握，這個也是較大的成本；如果等到掌握了技術(shù)后又發(fā)現(xiàn)不適用，則是一種較大的人力浪費。

2.保守派

保守派的主要問題是不能享受新技術(shù)帶來的收益，因為新技術(shù)很多都是為了解決以前技術(shù)存在的固有缺陷。就像 汽車 取代馬車一樣，不是量變而是質(zhì)變，帶來的收益不是線性變化的，而是爆發(fā)式變化的。如果無視技術(shù)的發(fā)展，形象一點說就是有了拖拉機，你還偏偏要用牛車。

3.跟風(fēng)派

可能很多人都會認為，跟風(fēng)派與“潮流派”和“保守派”相比，是最有效的策略，既不會承擔(dān)“潮流派”的風(fēng)險，也不會遭受“保守派”的損失，花費的資源也少，簡直就是一舉多得。看起來很美妙，但跟風(fēng)派最大的問題在于如果沒有風(fēng)可跟的時候怎么辦。如果你是領(lǐng)頭羊怎么辦，其他人都準備跟你的風(fēng)呢？另外一種情況就是競爭對手的這些信息并不那么容易獲取取，即使獲取到了一些信息，大部分也是不全面的，一不小心可能就變成邯鄲學(xué)步了。即使有風(fēng)可跟，其實也存在問題。有時候適用于競爭對手的技術(shù)，并不一定適用于自己，盲目模仿也可能帶來相反的效果。

既然潮流派、保守派、跟風(fēng)派都存在這樣或者那樣的問題，那架構(gòu)師究竟如何判斷技術(shù)演進的方向呢？我們需要從以下兩個方面來綜合考慮。

這個問題之所以讓人困惑，關(guān)鍵的原因還是在于不管是潮流派、保守派，還是跟風(fēng)派，都是站在技術(shù)本身的角度來考慮問題的，正所謂“不識廬山真面，只緣身在此山中”。因此，要想看到“廬山真面目”，只有跳出技術(shù)的范疇，從一個更廣更高的角度來考慮這個問題，這個角度就是企業(yè)的業(yè)務(wù)發(fā)展。

無論是代表新興技術(shù)的互聯(lián)網(wǎng)企業(yè)，還是代表傳統(tǒng)技術(shù)的制造業(yè)；無論是通信行業(yè)，還是金融行業(yè)的發(fā)展，歸根到底就是業(yè)務(wù)的發(fā)展。而影響一個企業(yè)業(yè)務(wù)的發(fā)展主要有3個因素：

市場、技術(shù)、管理，這三者構(gòu)成支撐業(yè)務(wù)發(fā)展的鐵三角，任何一個因素的不足，都可能導(dǎo)致企業(yè)的業(yè)務(wù)停滯不前。

在這個鐵三角中，業(yè)務(wù)處于三角形的中心，毫不夸張地說，市場、技術(shù)、管理都是為了支撐企業(yè)業(yè)務(wù)的發(fā)展。我們可以簡單地將企業(yè)的業(yè)務(wù)分為兩類：一類是產(chǎn)品類，一類是服務(wù)類。

產(chǎn)品類：360的殺毒軟件、蘋果的iPhone、UC的瀏覽器等都屬于這個范疇，這些產(chǎn)品本質(zhì)上和傳統(tǒng)的制造業(yè)產(chǎn)品類似，都是具備了某種“功能”，單個用戶通過購買或者免費使用這些產(chǎn)品來完成自己相關(guān)的某些任務(wù)，用戶對這些產(chǎn)品是獨占的。

服務(wù)類：百度的搜索、淘寶的購物、新浪的微博、騰訊的IM等都屬于這個范疇，大量用戶使用這些服務(wù)來完成需要與其他人交互的任務(wù)，單個用戶“使用”但不“獨占”某個服務(wù)。事實上面，服務(wù)的用戶越多，服務(wù)的價值就越大。服務(wù)類的業(yè)務(wù)符合互聯(lián)網(wǎng)的特征和本質(zhì)：“互聯(lián)”+“網(wǎng)”。

對于產(chǎn)品類業(yè)務(wù)，答案看起來很明顯： 技術(shù)創(chuàng)新推動業(yè)務(wù)發(fā)展！

例如：

蘋果開發(fā)智能手機，將諾基亞推下王座，自己成為全球智能手機行業(yè)的新王者。2G時代，UC瀏覽器獨創(chuàng)的云端架構(gòu)，很好地解決了上網(wǎng)慢的問題；智能機時代，UC瀏覽器又自主研發(fā)全新的U3內(nèi)核，兼顧高速、安全、智能及可擴展性，這些技術(shù)創(chuàng)新是UC瀏覽器成為了全球最大的第三方手機瀏覽器最強有力的推動力。

為何對于產(chǎn)品類的業(yè)務(wù)，技術(shù)創(chuàng)新能夠推動業(yè)務(wù)發(fā)展呢？答案在于用戶選擇一個產(chǎn)品的根本驅(qū)動力在于產(chǎn)品的功能是否能夠更好地幫助自己完成任務(wù)。用戶會自然而然地選擇那些功能能更加強大、性能更加先進、體驗更加順暢、外觀更加漂亮的產(chǎn)品，而功能、性能、體驗、外觀等都需要強大的技術(shù)支撐。例如，iPhone手機的多點觸摸操作、UC瀏覽器的U3內(nèi)核等。

對于“服務(wù)”類的業(yè)務(wù)，答案和產(chǎn)品類業(yè)務(wù)正好相反： 業(yè)務(wù)發(fā)展推動技術(shù)的發(fā)展！

為什么會出現(xiàn)截然相反的差別呢？主要原因是用戶選擇服務(wù)的根本驅(qū)動力與選擇產(chǎn)品不同。用戶選擇一個產(chǎn)品的根本驅(qū)動力是其“功能”，而用戶選擇一個服務(wù)的根本驅(qū)動力不是功能能，而是“規(guī)模”。

例如，選擇UC瀏覽器還是選擇QQ瀏覽器，更多的人是根據(jù)個人喜好和體驗來決定的；而選擇微信還是Whatsapp，就不是根據(jù)它們之間的功能差異來選擇的，而是根據(jù)其規(guī)模來選擇的。當(dāng)“規(guī)模”成為業(yè)務(wù)的決定因素后，服務(wù)模式的創(chuàng)新就成為了業(yè)務(wù)發(fā)展的核心驅(qū)動力，而產(chǎn)品只是為了完成服務(wù)而提供給用戶使用的一個載體。以淘寶為例，淘寶提供的“網(wǎng)絡(luò)購物”是一種新的服務(wù)，這種業(yè)務(wù)與傳統(tǒng)的到實體店購物是完全不同的，而為了完成這種業(yè)務(wù)，需要“淘寶網(wǎng)”“支付寶”“一淘”和“菜鳥物流”等多個產(chǎn)品。隨便一個軟件公司，如果只是模仿就能發(fā)展出類似的產(chǎn)品，只要愿意投入，半年時間就可以將這些產(chǎn)品全部開發(fā)出來。但是這樣做并沒有意義，因為用戶選擇的是淘寶的整套網(wǎng)絡(luò)購物服務(wù)，并且這個服務(wù)已經(jīng)具備了一定的規(guī)模，其他公司不具備這種同等規(guī)模服務(wù)的能力。即使開發(fā)出完全一樣的產(chǎn)品，用戶也不會因為產(chǎn)品功能更加強大而選擇新的類似產(chǎn)品。

以微信為例，同樣可以得出類似的結(jié)論。假如我們進行技術(shù)創(chuàng)新，開發(fā)一個耗電量只有微信的1/10，用戶體驗比微信好10倍的產(chǎn)品，你覺得現(xiàn)在的微信用戶都會拋棄微信，而轉(zhuǎn)投我們的這個產(chǎn)品嗎？我相信絕大部分人都不會，因為微信不是一個互聯(lián)網(wǎng)產(chǎn)品，而是一個互聯(lián)網(wǎng)服務(wù)，你一個人換到其他類微信類產(chǎn)品是沒有意義的。

因此，服務(wù)類的業(yè)務(wù)發(fā)展路徑是這樣的：提出一種創(chuàng)新的服務(wù)模式 吸引了一批用戶 業(yè)務(wù)開始發(fā)展 吸引了更多用戶 服務(wù)模式不斷完善和創(chuàng)新 吸引越來越多的用戶，如此循環(huán)往復(fù)。在這個發(fā)展路徑中，技術(shù)并沒有成為業(yè)務(wù)發(fā)展的驅(qū)動力，反過來由于用戶規(guī)模的不斷擴展，業(yè)務(wù)的不斷創(chuàng)新和改進，對技術(shù)會提出越來越高的要求，因此是業(yè)務(wù)驅(qū)動了技術(shù)發(fā)展。

其實回到產(chǎn)品類業(yè)務(wù)，如果我們將觀察的時間拉長來看，即使是產(chǎn)品類業(yè)務(wù)，在技術(shù)創(chuàng)新開創(chuàng)了一個新的業(yè)務(wù)后，后續(xù)的業(yè)務(wù)發(fā)展也會反向推動技術(shù)的發(fā)展。例如，第一代iPhone缺少對3G的支持，且只能通過Web發(fā)布應(yīng)用程序，第二代iPhone才開始支持3G，并且內(nèi)置GPS；UC瀏覽器隨著功能越來越強大，原有的技術(shù)無法滿足業(yè)務(wù)發(fā)展的需求，瀏覽器的架構(gòu)需要進行更新，先后經(jīng)過UC瀏覽器7.0版本、8.0版本、9.0版本等幾個技術(shù)差異很大的版本。

綜合這些分析，除非是開創(chuàng)新的技術(shù)能夠推動或者創(chuàng)造一種新的業(yè)務(wù)，其他情況下，都是業(yè)務(wù)的發(fā)展推動了技術(shù)的發(fā)展。

明確了技術(shù)發(fā)展主要的驅(qū)動力是業(yè)務(wù)發(fā)展后，我們來看看業(yè)務(wù)發(fā)展究竟是如何驅(qū)動技術(shù)發(fā)展的。

業(yè)務(wù)模式千差萬別，有互聯(lián)網(wǎng)的業(yè)務(wù)（淘寶、微信等），有金融的業(yè)務(wù)（中國平安、招商銀行等），有傳統(tǒng)企業(yè)的業(yè)務(wù)（各色ERP對應(yīng)的業(yè)務(wù)）等，但無論什么模式的業(yè)務(wù)，如果業(yè)務(wù)的發(fā)展需要技術(shù)同步發(fā)展進行支撐，無一例外是因為業(yè)務(wù)“復(fù)雜度”的上升，導(dǎo)致原有的技術(shù)無法支撐。

按照復(fù)雜度分類，復(fù)雜度要么來源于功能不斷疊加，要么來源于規(guī)模擴大，從而對性能和可用性有了更高的要求。既然如此，判斷到底是什么復(fù)雜度發(fā)生了變化就顯得至關(guān)重要了。是任何時候都要同時考慮功能復(fù)雜度和規(guī)模復(fù)雜度嗎？還是有時候考慮功能復(fù)雜度，有時候考慮規(guī)模復(fù)雜度？還是隨機挑一個復(fù)雜度的問題解決就可以了？

所以，對于架構(gòu)師來說，判斷業(yè)務(wù)當(dāng)前和接下來一段時間的主要復(fù)雜度是什么就非常關(guān)鍵。判斷不準確就會導(dǎo)致投入大量的人力和時間做了對業(yè)務(wù)沒有作用的事情，判斷準確就能夠做到技術(shù)推動業(yè)務(wù)更加快速發(fā)展。那架構(gòu)師具體應(yīng)該按照什么標準來判斷呢？ 答案就是基于業(yè)務(wù)發(fā)展階段進行判斷 ，這也是為什么架構(gòu)師必須具備業(yè)務(wù)理解能力的原因。不同的行業(yè)業(yè)務(wù)發(fā)展路徑、軌跡、模式不一樣，架構(gòu)師必須能夠基于行業(yè)發(fā)展和企業(yè)自身情況做出準確判斷。

網(wǎng)頁題目：最強nosql,最強棄少
當(dāng)前URL：http://chinadenli.net/article28/dseoccp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站維護、搜索引擎優(yōu)化、微信小程序、Google、手機網(wǎng)站建設(shè)、品牌網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)