甲骨文預測：2017年大數據的變化趨勢
2017 年已然來臨，大數據技術仍然保持著飛速發展。無論是物聯網、云計算領域乃至企業技術都開始將其引入自身并作為新的變革方向。
眾多企業已經在積極接納大數據技術，并作為提升自身市場競爭力的核心因素。在今天的文章中，我們將基于甲骨文給出的預測結論，總結 2017 年十項大數據變化趨勢。
1. 機器學習時代來臨
以往的機器學習僅限于數據科學家群體之內，但 2017 年將成為機器學習進入主流的元年。無論是谷歌的最新排名算法還是電子產品的智能化轉型，各類場景都將把機器學習納入自身。大數據在 2016 年發展態勢良好，相信在新一年中，大數據將繼續保持這種勢頭——特別是作為核心組成部分的機器學習技術。
作為大數據領域的重要成員，機器學習已經廣泛滲透至業務分析與后端系統等各個領域，并最終徹底改變政府及企業跨越物理與虛擬服務器實現數據集處理的實際方式。未來值得關注的變革領域包括醫療衛生自動化與能源行業。
2. 云數據內聚
毫無疑問，大數據技術相當適合由云服務器負責承載，但 2017 年其覆蓋面將進一步增加。從隱私問題到數據主權，云計算自誕生起即引發的激烈爭論將逐漸找到解決辦法。隨著數據集規模提升，大多數企業可能會出于對遷移工作模糊性的擔憂而選擇使用虛擬服務器。
2017 年的重大轉變在于，人們不再將數據遷移至云端，而是將云資源引入數據。因此，符合特定數據需求的云應用策略將變得至關重要。
3. 數據驅動型應用
大數據技術一直憑借著對 IT 領域的深遠影響而廣為人知。然而，近期趨勢調查發現越來越多的用戶將分析甚至是企業應用同大數據加以結合。從 AI 支持型應用到 Megabox 等數據流客戶端，每家企業都將很快迎來自己的大數據轉型——以及由此帶來的下一代數據驅動型應用。
4. 物聯網與集成
物聯網技術一直由于糟糕的部件設計與實現障礙而飽受詬病。盡管我們目前仍然無法實現第二次物聯網創新，但大數據的介入仍然能夠有效解決問題。無論是以移動設備為中心的應用還是居家工具，物聯網與大數據的結合都將成為 2017 年年內的一波重要變革浪潮。
物聯網應用開發將變得更加簡單，且影響范圍也將不斷擴大。我們期待著智能城市甚至智能國家級別的項目能夠在新的一年中顯露雛形。
5. 數據虛擬化成為現實
根據企業管理者的觀點，數據孤島擴散難題成為普遍困擾。無論是面向 NoSQL、Spark 還是 Hadoop，現有數據庫方案都將在新的一年中迎來更多協作對象。可以肯定的是，只要企業未有找到真正完美的存儲庫解決方案，暗數據集就將一直存在。不過好消息是，我們相信 2017 年內統一化訪問將逐步成形并推動數據虛擬化的興起。
由于數據本身不再需要移動，因此這套方案將能夠極大提升分析速度與大數據技術的實現進度。
6. 對接 Kafka
如果缺少了由 Apache 基金會打造的 Kafka，大數據預測將毫無完整性可言。盡管 Kafka 目前仍處于發展階段，但很可能會在今年第三季度迎來成熟度峰值。確切地講，Kafka 預計將成為大數據技術期待已久的實現基石。
除此之外，作為一項架構層面的總線式技術成果，Kafka 能夠輕松處理數據結構甚至是超大規模數據集——主要面向數據湖、相關傳播以及促進訂閱者訪問等層面。
7. 云數據系統(預打包與集成)快速發展
從零開始建立傳統數據實驗室相當困難。然而隨著企業越來越依賴于大數據技術，集成化云數據系統的發展也得到顯著推動。這些預打包式功能實體包含數據科學、分析、數據爭用乃至數據集成等各類復雜性因素。
2017 年內，專門面向大數據用例的預打包式云系統在采用率方面將迎來顯著增長。
8. Hadoop HDFS 替代性方案出現
Hadoop 的 HDFS 長久以來一直作為最受歡迎的數據駐留平臺存在，但對象存儲技術預計將在 2017 年中最終勝出。可以肯定的是，對象存儲擁有更出色的數據復制、可用性及備份表現。
另外，對象存儲的良好可行性亦是其另一大優勢。這些存儲庫將與 HDFS 一樣面向基于同一數據層的大數據資源。
9. 云層面深度學習
如之前提到，數據虛擬化能夠在無需額外層的前提下輕松實現。因此，這類方法將推動包括 NVMe 甚至是 GPU 在內的各類加速技術的大量涌現。2017 年，深度學習也將與大數據指標實現結合。可視化結果中將充分享受無擁塞、高容量、高I/O甚至是更佳網絡性能的助益。
10. Hadoop 重要性進一步提升
用戶與企業此前一直在以謹慎的態度通過 Hadoop 使用大數據，但新一年中 Hadoop 部署將滲透到一切可能的數據中心型項目當中。Hadoop 安全將作為必選特性存在，并對各個領域中的可行應用方案加以約束。
總結
大數據近年來的發展速度極為驚人，然而隨著物聯網乃至社交媒體的快速崛起，未來的大數據應用將呈現出更具爆炸性的增長態勢。
2017 年，我們必將通過大數據及其它相關技術的廣泛普及迎來更為準確的預測能力、更低實現成本以及以業務為中心的切實收益。
原文標題：10 Big Data Possibilities for 2017 Based on Oracle's Predictions
原文作者：Anand Srivastava
來自: 51CTO