金融业大数据项目主要面临的风险

一、对传统金融数据管理技术的挑战
传统的数据库部署不能处理数TB 级别的数据，也不能很好的支持高级别的数据分析。急速膨胀的数据体量即将超越传统数据库的管理能力。
如何构建多地域的分布式数据库(Globally-Distributed Database) ，可以扩展到数百万的机器，数已百计的数据中心，上万亿的行数据。
二、传统数据库技术并没有考虑数据的多类别性（variety）
SQL（结构化数据查询语言），在设计的一开始是没有考虑非结构化数据的处理方式的，如何快速有效的处理非结构化的数据，仍然是一个大的技术难题。
三、高度实时性的技术挑战：
一般而言，像数据仓库系统、BI应用，对处理时间的要求并不高。因此这类应用往往运行1、2天获得结果依然可行的。但实时处理的要求，是区别大数据应用和传统数据仓库技术、BI技术的关键差别之一。
四、如何应对爆炸式的数据增长量
人们每天创建的数据量正呈爆炸式增长，但就数据保存来说，我们的技术改进不大，而数据丢失的可能性却不断增加。
如此庞大的数据量首先在存储上就会是一个非常严重的问题，硬件的更新速度将是大数据发展的基石。

最后编辑：2013-11-07

作者：dean

这个作者貌似有点懒，什么都没有留下。

站内专栏 站点