Oracle預測2017年大數據的趨勢將在2017年出現，大數據技術仍在快速發展。無論是物聯網，云計算，還是企業技術，它都已開始將自身作為一種新的變革方向。許多公司一直在積極采用大數據技術作為提高市場競爭力的核心因素。在今天的文章中，我們將根據Oracle提供的預測總結2017年的十大數據趨勢。 1.機器學習時代過去的機器學習僅限于數據科學家社區，但2017年將是機器學習的第一年。無論是Google的最新排名算法還是電子產品的智能轉換，各種場景都將機器學習融入其中。大數據在2016年發展良好，相信大數據將在新的一年繼續保持這一勢頭。——尤其是機器學習技術的核心部分。作為大數據領域的重要成員，機器學習已經滲透到業務分析和后端系統等各個領域，最終徹底改變了政府和企業跨物理和虛擬服務器實施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保健自動化和能源行業。 2.云數據凝聚力毫無疑問，大數據技術非常適合云服務器托管，但其覆蓋范圍將在2017年進一步增加。從隱私問題到數據主權，自云計算誕生以來出現的激烈爭論將逐步找到解決方案。隨著數據集的大小增加，大多數組織可能會選擇使用虛擬服務器，以免在遷移工作中出現歧義。 2017年的一個重大轉變是人們不再將數據遷移到云，而是將云資源引入數據。因此，滿足特定數據需求的云應用程序策略將變得至關重要。 3.數據驅動的應用程序大數據技術長期以來因其對IT領域的深遠影響而聞名。然而，最近的趨勢調查顯示，越來越多的用戶將分析甚至企業應用程序與大數據相結合。 從支持AI的應用程序到Megabox等數據流客戶端，每個企業很快就會迎來自己的大數據轉換——以及由此產生的下一代數據驅動應用程序。物聯網和綜合物聯網技術因組件設計和實施障礙而受到批評。雖然我們仍然無法實現第二次物聯網創新，但大數據的干預仍然可以有效地解決問題。無論是以移動為中心的應用程序還是以家庭為基礎的工具，物聯網和大數據的結合將在2017年發生變化。物聯網應用程序開發將變得更加容易，影響范圍將繼續擴大。我們期待智能城市，甚至是新一年即將出現的智能國家級項目。

5.數據虛擬化成為現實

根據業務經理的觀點，數據島傳播問題已成為一個普遍問題。無論是NoSQL，Spark還是Hadoop，現有的數據庫解決方案都將在新的一年里迎來更多的協作對象。可以肯定的是，只要公司找不到真正完美的存儲庫解決方案，黑暗數據集就會一直存在。然而，好消息是我們相信統一訪問將逐步形成并推動2017年數據虛擬化的興起。由于數據本身不再需要移動，這個解決方案將大大提高分析速度和進度大數據技術的實施。 6.停靠Kafka如果沒有Apache Foundation構建的Kafka，大數據預測根本就沒有完整性。雖然卡夫卡仍處于發展階段，但很可能在今年第三季度迎來成熟的高峰期。具體來說，卡夫卡有望成為人們期待已久的大數據技術實現的基石。此外，作為總線技術的架構級別，Kafka可以輕松處理數據結構甚至非常大的數據集。——主要用于數據湖泊，相關傳播和用戶訪問的推廣。 7.云數據系統的快速發展（預打包和集成）從頭開始構建傳統的數據實驗室非常困難。然而，隨著公司越來越依賴大數據技術，集成云數據系統的開發也得到了顯著提升。這些預先打包的功能實體包括各種復雜性，例如數據科學，分析，數據爭用甚至數據集成。 2017年，針對大數據用例的預打包云系統將在采用率方面實現顯著增長。 8. Hadoop HDFS替代品Hadoop的HDFS長期以來一直是最受歡迎的數據駐留平臺，但對象存儲技術最終將在2017年中期獲勝。可以肯定的是，對象存儲具有更好的數據復制，可用性和備份性能。此外，對象存儲的良好可行性是另一大優勢。 這些存儲庫將面向基于與HDFS相同的數據層的大數據資源。 9.云級深度學習如前所述，數據虛擬化可以輕松實現，無需額外的層。因此，這些方法將推動各種類型的加速技術的激增，包括NVMe甚至GPU。 2017年，深度學習也將與大數據指標相結合。可視化結果將充分受益于無擁塞，高容量，高I/O甚至更好的網絡性能。 10. Hadoop的重要性進一步增強了使用Hadoop謹慎使用大數據的用戶和企業，但Hadoop部署將在新的一年中滲透所有可能的數據中心項目。 Hadoop安全性將作為強制功能存在，并將限制每個域中的可行應用程序。總結近年來大數據的增長率非常驚人。然而，隨著物聯網甚至社交媒體的迅速崛起，大數據應用的未來將呈現出更具爆炸性的增長。 2017年，通過廣泛采用大數據和其他相關技術，我們將能夠實現更準確的預測能力，更低的實施成本和切實的以業務為中心的優勢。