در این پست قصد داریم به ویژگی های Big Data بپردازیم:

اگر به روند تولید داده ها نگاه دقیقی داشته باشیم درمیابیم که به کار بردن این اصطلاح طی سالهای گذشته دچار تغییرات شگرفی شده است. در تعاریف اولیه اظهار میشد که Big Data دارای سه ویژگی Volume, Velocity و Variety است و به همین دلیل به مدل 3V's مشهور شد. اما پس از این تعریف خصوصیات دیگری نیز مشاهده میشد که در قالب سه ویژگی مذکور قرار نمی‌گرفتند و لزوم تکمیلی این ویژگی ها احساس می‌شد.

در یکی از فهرستهایی که از پذیرش قابل قبولی نیز برخوردار است Big Data با ۷ حرف 'V' معرفی میشود که به 7V's معروف است که به شرح زیر است:

این سوالی است که علاوه بر متخصصین IT برای بسیاری از افراد عادی هم وجود دارد. هر چند که به کلی تعریف مفاهیمی از این قبیل دشوار است و معرفی یک مقدار آستانه برای تبدیل شدن Data به Big Data نه تنها امکان پذیر نیست، بلکه به طور کلی به میان آوردن صحبت از عدد و رقم با توجه رشد روزافزون دیتا در دنیای امروز منطقی به نظر نمی‌رسد.  
به زبان ساده زمانی که مقیاس، تنوع و یا پیچیدگی Data به اندازه‌ای است که با معماری ها، الگوریتم‌ها، تحلیل‌ها و روش های معمول امکان مدیریت آن ها به نحوی که بتوان اطلاعات ارزشمند و دانشی را از آن ها استخراج کرد فراهم نباشد ما با Big Data مواجه هستیم.
اما بد نیست عواملی که باعث ایجاد این مفهوم شده‌اند را نیز بشناسیم. قطعا اولین نتیجه رشد فناوری و توسعه آن تولید "دیتا" است. در اخبار شنیده ایم که به طور متوسط هر چند سال یکبار میزان دیتا در جهان دو برابر می‌شود و همانگونه که مشخص است رشدی لگاریتمی برای آن مشاهده می‌شود.

یکی از وظایف اصلی هر مدیر سیستمی این است که به محض مشاهده و یا دریافت گزارش مبنی بر وجود مشکلی از سوی کاربران سرویس های تحت نظارت نسبت به رفع آن اقدام کند. به همین منظور، قصد داریم بهترین شیوه ها در این زمینه را معرفی کنیم و راهکارهایی را به شما عزیزان ارائه دهیم تا در محیط حرفه ای خود موفق تر باشید.


به طور کلی افراد در زمان بروز مشکل یکی از سه شیوه زیر را برای رفع آن انتخاب می کنند:
1- جمع آوری داده ها، که در آن مدیر سیستم به صورت کاملا سیستماتیک شروع به جمع آوری اطلاعات می کند و با پرسش از مشتری و یا کاربران فرآیند انجام شده توسط آن ها تکرار می کند. معمولا مدیر سیستم با اجرای تعداد قابل توجهی از دستورات وضعیت سیستم را قبل از هر گونه اقدامی بررسی می کند.

اگر شغل فعلی شما به صورتی است که با دیتاسنتر سر و کار دارید پیشنهاد میکنم مرتبه بعدی که در یکی از انها حضور دارید  تجسم کنید که اگر این دیتاسنتر با یک مشکل جدی مواجه شود چه فاجعه ای رخ خواهد داد. بله فاجعه! و این دقیقا زمانی است که باید به بازیابی فاجعه (disaster recovery) فکر کرد. بازیابی نیاز به سایت (دیتاسنتر) پشتیبان و همچنین برنامه ریزی دارد. به زبان ساده در طرح بازیابی فاجعه لازم است که پیش بینی کنید که از چه داده هایی و با چه سیاست هایی باید پشتیبان‌گیری کرد و در زمان بروز مشکل فرآیند بازگردانی به چه صورت انجام می شود. ‍‍‌برای کلیه نیروها مبتنی بر نقشی که دارند باید شرح وظایف تعیین نمود.
به طور کلی شما به ۳ شکل میتوانید سایت پشتیبان داشته باشید:
🔸سایت پشتیبان سرد (Cold Site)
🔸سایت پشتیبان گرم (Warm Site)

این پروژه در سال 2010 توسط یک جوان آمریکایی ساکن فرانسه به نام Solomon Hykes  در شرکت dotCloud به عنوان یک پروژه داخلی پایه گذاری شد. اما در سال 2013 به داکر تغییر نام داد و به عنوان یک نرم افزار عمومی و متن_باز معرفی شد.

🔺دیدگاه کلاسیک این است که یک سرور یا ماشین مجازی را دراختیار بگیرید، سیستم عامل مناسب را نصب کنید و  سپس نرم افزارها یا پلترم های لازم را روی آن نصب کنید و تحویل تیم توسعه دهید!!
تا همینجا هم مشخص است که با چه مشکلاتی مواجه می شویم:
🔸همواره دسترسی به منبع نرم افزار به همراه کلیه پیش نیازها لازم است که در برخی موارد بسیار دردسرساز می شود.

EN / FA

فناوران آنیسا - خانه لینوکس ایران

تهران، میدان آرژانتین، خ وزرا، کوچه هشتم، یحیوی، پلاک ۴

 اطلاعات تماس:

  • 021-88716168
  • 021-88712172
  • 0910-8555111

info @ anisa.co.ir

© فناوران آنیسا - خانه لینوکس ایران | تمامی حقوق این سایت برای فناوران آنیسا محفوظ است.
Design by www.digitaldesign.ir