文档介绍：英特尔智慧交通解决方案-英特尔大数据平台最佳实践提纲•大数据带来交通管理上的挑战•Intel企业级Hadoop平台•基于IntelHadoop构建智慧交通应用解决方案大数据时代-数据爆发性增长3统计、分析、预测、实时处理IDC预测全球的数据使用量到2020年会增长44倍,(1ZB=10亿TB) *Source:McKinseyGlobalInstituteAnalysis SGCrossAssetResearch,PwCValue大数据处理速度要求越来越高•大数据与海量数据的一个重要区别,在于不但 数据尺寸大,而且对数 据处理的响应速度有有 着更高的要求•传统的以周,天,小时 为单位的运算处理周期 ,下降到以分钟,秒为单位•大数据高价值的重要体 现-处理速度HighutilityDiminishingutilityArchivalvalueTimeHighLowNegative数据的多样性•数据形式的多样: –结构化数据,数据间有很强的因果关系 –半结构化数据,数据间因果关系较弱 –非结构化数据,数据间无因果关系•数据来源的多样性:––––不同的应用系统各种设备互联网其它Flatfile创造显著业务价值(VALUE)©,通过数据驱动业务,变成本中心为利润中心智慧城市-最典型的大数据应用7智能交通系统面临大数据的挑战 •海量数据−城市A:500000个探头,三个月会产生200PB的视频数据−城市B:12,000个ITS探头,每天20亿条记录,三个月产生1PB的数据 •实时计算−实时数据的采集、扫描、查询和共享−实时事件监测−准实时的预测分析 •大型跨区域分布式计算−−−−−数据过于庞大,建设中心机房困难带宽所限无法将海量数据汇总至总中心数据多为分中心本地用户访问数据过于集中,系统风险加大总中心投资过大,无法分摊到位8数据处理需求与传统平台扩展能力之间的差距不断增大数据处理需求与传统平台硬件扩展的差距不断扩大IndustryProgress大数据处理需要的扩展能力BigDataBig云计算技术是有效处理大数据的有效手段大数据和云是两个不同的概念,但两者之间有很多交集。支撑大数据以及云计算的底层原则是一样的,即规模化、自动化、资源配置、自愈性,因此实际上大数据和云之间存在很多合力的地方。大数据应用是在云上跑的、非常典型的应用。例如尽管电子邮件也是云上的应用之一,但也可以脱离云架构,但是大数据应用必须架构在云设施上。这就是两者的关系——大数据处理离不开云