by 大数据架构是代表大数据的逻辑和物理系统的整体结构。
本文是本文中完整的大数据讨论的一部分。 想更详细地了解大数据？ 请阅读这篇文章：
大数据架构的好处
为了获得大数据的好处，投资能够处理大量数据的大数据基础设施至关重要。 公司可以投资于 Bigbox 基础设施解决方案和大数据平台，以获得大数据收益或大数据收益，例如
- 1. 提高对大数据的理解和分析质量
- 2. 做出更好更快的决定
- 3. 通过分析公司的大数据，找到可以改进和节省的地方，降低公司运营成本
- 4. 预测未来的需求和趋势
- 5. 鼓励公司能够在公司内部制定标准
- 6.可以提供一致的方法来应用最好的技术来解决问题
大数据架构挑战 / 大数据架构挑战
在做大数据架构的过程中，当然会遇到各种各样的挑战，即：
- 确保架构能够满足公司的需求
- 预测大数据需求，即使大数据变得越来越复杂，大数据架构仍然可以处理，或者大数据架构可以轻松升级/可扩展
如果在设计大数据架构/大数据架构时这不好，那么它可能会导致相当大的成本、不稳定的性能或需要了解更多信息的不足，可以阅读文章：大数据问题、挑战和解决方案。
大数据架构层
大数据架构中的这一层/大数据架构层由几层组成
1.大数据源层/大数据层
大数据可以处理来自大数据源（如数据仓库、关系数据库、非关系数据库、物联网设备）和各种其他来源的批处理或实时处理
2.管理与存储层/大数据存储与管理
层 该层从大数据源层接收数据，并将数据转换为数据分析工具/数据分析工具可以理解和处理的格式，并按照数据格式存储。
3.分析层
在分析层，分析工具从大数据存储层提取数据
4.消费层
消费层从大数据分析层接收分析结果，并将分析结果提供给商业智能层
大数据架构流程
1. 连接到这些数据源
“连接器”和“适配器”是可以连接到任何数据格式的平台、软件或功能，也可以连接到各种存储系统、协议和网络。 . 在实现大数据时非常需要此功能，以便更轻松地检索和加载数据。 在没有端到端解决方案的大数据平台上，这项工作通常由数据工程师完成。
2. 数据治理
大数据治理流程的任务是确保从数据的处理、分析、存储和删除开始，使用的数据符合数据隐私和安全性
3. 系统管理
必须通过中央管理控制台持续监控整个过程
4. 保持服务质量
必须通过创建服务质量框架来维护大数据的服务质量，首先定义数据质量、合规政策以及在大数据中处理数据的频率和数量。
如何构建大数据架构
要构建大数据架构，需要几个程序步骤，即：
1. 分析问题
构建大数据架构的第一步当然是先分析问题，或者找出公司想要实现什么问题或目标？ 通常需要考虑的事情是数据变化、数据处理速度以及此时系统/平台面临的问题
公司中常见的用例包括
- 执行数据归档
- 卸载处理
- 数据湖的实施
- 非结构化数据
- 当前数据仓库的现代化
2 选择供应商
目前市场上有很多大数据解决方案，比如微软、AWS、Hortonworks和Bigbox，选择能够解决公司大数据问题的那一款。
3.部署策略部署
可以在本地、基于云或混合完成，建议选择印度尼西亚的服务器解决方案以符合印度尼西亚的数据治理，您可以查看位于印度尼西亚的 NeuCentrix 云解决方案。
4. 容量规划
在构建大数据架构的过程中，当然要考虑要构建的大数据容量的规划，确定硬件、基础设施规模、每天要处理的数据量、数据量等。上个月的历史数据加载或保持，数据保留期/数据存储计划，多数据部署等
5. 基础设施规模
此基础架构调整阶段基于容量规划、确定集群数量和所需硬件类型进行，还考虑磁盘类型、每台机器的磁盘数量、处理内存的类型、内存量、CPU 数量和核心和数据的存储位置
6. 灾难恢复
规划 做大数据当然要规划备份和容灾，考虑非常重要的数据存储在哪里，备份时间，多数据中心部署，选择主动-主动或主动方式——被动容灾最合适为公司
