幾年下來，大數(shù)據(jù)已不再是高聳如云一樣觸不可及的概念……

　　用“日新月異”一詞，并不能貼切的描述移動互聯(lián)網(wǎng)的發(fā)展狀態(tài)，因為幾乎每一個瞬間，信息都在傳輸，并以冪次的速度裂變和擴張。不僅僅是信息的傳輸日益方便快捷，端到端的需求也日益突出，縱觀整個移動互聯(lián)網(wǎng)領(lǐng)域，數(shù)據(jù)已被認為是繼云計算、物聯(lián)網(wǎng)之后的又一大顛覆性的技術(shù)性革命。

　　幾年來，大數(shù)據(jù)已不再是高聳如云一樣觸不可及的概念，其應(yīng)用領(lǐng)域，幾乎已很容易理解、簡單視覺化地蔓延到現(xiàn)代人生活的方方面面，第一次將各行各業(yè)的用戶、方案提供商、服務(wù)商、運營商以及整個生態(tài)鏈上游廠商融入到一個大的環(huán)境中。無論是企業(yè)級市場還是消費級市場，亦或政府公共服務(wù)，都正或?qū)⒁c大數(shù)據(jù)發(fā)生千絲萬縷的聯(lián)系。

　　各類相關(guān)的新老廠商，從不同角度提供了佐證，大數(shù)據(jù)市場是待挖掘的金礦，其價值不言而喻。從用戶端看，在一定程度上，可以說誰能掌握和合理運用用戶大數(shù)據(jù)的核心資源，誰就能在接下來的技術(shù)變革中進一步發(fā)展壯大。

　　其中，實實在在、看得見摸得著的可以解決關(guān)鍵問題的解決方案，成為判斷的核心。一方面真金不怕火煉，另一方面紙里也包不住火。未來一個階段，優(yōu)秀的企業(yè)將比以往凸現(xiàn)。

　　甲骨文，京東，谷歌

　　雖然大數(shù)據(jù)的出現(xiàn)讓企業(yè)有了更多的商業(yè)機會，然而調(diào)查顯示，只有12%的企業(yè)高管認為他們對大數(shù)據(jù)有控制能力，無價值的數(shù)據(jù)占據(jù)了過多的處理時間，致使有限的IT資源被浪費，如何存儲并分析數(shù)據(jù)成為了企業(yè)在大數(shù)據(jù)時代面臨的挑戰(zhàn)。

　　甲骨文公司通過Oracle大數(shù)據(jù)機、Oracle Exadata數(shù)據(jù)庫云服務(wù)器、Oracle Exalytics商務(wù)智能云服務(wù)器以及Oracle Endeca Information Discovery，依托于ERP/CRM等關(guān)鍵企業(yè)管理系統(tǒng)的商務(wù)智能軟件一起組成了甲骨文最廣泛、高度集成化產(chǎn)品組合，為企業(yè)提供了一個全方位的端到端的大數(shù)據(jù)解決方案。目前，Oracle大數(shù)據(jù)解決方案已獲得湯森路透、豐田汽車、Regions 銀行、美國國家癌癥研究所等眾多企業(yè)用戶的支持。

　　在電商領(lǐng)域，京東大數(shù)據(jù)的優(yōu)勢得益于京東電商業(yè)務(wù)的全價值鏈數(shù)據(jù)，由于京東的主要業(yè)務(wù)是自營式電商，而且要求端到端的流程控制，使得京東的大數(shù)據(jù)覆蓋了電商的全部流程，從采購、庫房、銷售、配送到售后、客服，整個鏈條是完整的。有了真實有效的大數(shù)據(jù)，京東就可以做很多的事情，比如精準營銷、用戶畫像、C2B定制，等等。

　　谷歌的無人駕駛汽車是一個徹頭徹尾的大數(shù)據(jù)時代下的產(chǎn)物，按照谷歌的設(shè)想，無人駕駛汽車不需要駕駛員，因而人們也不需要購買，所以消費者將因此節(jié)省下大筆的購買保險、交通事故賠償、使用維護、購買停車位等費用，交通系統(tǒng)等與出行有關(guān)的一切都將重新構(gòu)建，甚至會改變城市的面貌。近日，谷歌為其無人駕駛汽車注冊了一項新的專利技術(shù)，當發(fā)生自動駕駛汽車沖撞行人的情況時，汽車發(fā)動機蓋、前保險杠以及側(cè)面的特殊涂層會將行人粘住，以避免受到二次傷害的可能。

中國IDC圈1月8日報道，1月5-7日，第十屆中國IDC產(chǎn)業(yè)年度大典（IDCC2015）在北京國家會議中心隆重召開。本次大會由中國信息通信研究院、云計算發(fā)展與政策論壇、數(shù)據(jù)中心聯(lián)盟指導(dǎo)，中國IDC產(chǎn)業(yè)年度大典組委會主辦，中國IDC圈承辦，并受到諸多媒體的大力支持。

中國IDC產(chǎn)業(yè)年度大典作為國內(nèi)云計算和數(shù)據(jù)中心領(lǐng)域規(guī)模最大、最具影響力的標志性盛會，之前已成功舉辦過九屆，在本屆大會無論是規(guī)格還是規(guī)模都"更上一層樓"，引來現(xiàn)場人員爆滿，影響力全面覆蓋數(shù)據(jù)中心、互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等多個領(lǐng)域。

微軟（中國）托管技術(shù)高級架構(gòu)師張志強出席IDCC2015大會并在云計算技術(shù)與平臺服務(wù)論壇發(fā)表主題為《在混合云架構(gòu)下交付大數(shù)據(jù)解決方案》的精彩演講。

微軟（中國）托管技術(shù)高級架構(gòu)師張志強

以下是演講實錄：

張志強：大家早上好。我來自微軟，今天我跟大家分享的話題就是混合云架構(gòu)下如何交付一個大數(shù)據(jù)解決方案？在過去兩年里面基本從云計算的需求由逐步導(dǎo)向到應(yīng)用需求，那么應(yīng)用需求里面我們看到15年很熱的就是大數(shù)據(jù)，而且這個我們可以看到從趨勢來講到16、17年會持續(xù)的發(fā)酵，大數(shù)據(jù)會變成云計算的需求方很重要的一點。我們微軟參加IDC大會已經(jīng)三年，第一年就是分享在IDC的機房內(nèi)構(gòu)建自己的云，第二點講一下怎樣在基于自己的本地云的基礎(chǔ)上構(gòu)建混合云的交付，今年我們把這個眼光轉(zhuǎn)向在云的架構(gòu)下怎么交付大數(shù)據(jù)解決方案？我們看到云的業(yè)務(wù)上，很多IDC的伙伴已經(jīng)有了云，有了服務(wù)能力。但是這個能力構(gòu)建好之后，在需求側(cè)現(xiàn)在最重要的兩點，一個是大數(shù)據(jù)一個IOT的需求，我們看到產(chǎn)業(yè)園都提這個方面的需求。我們作為IDC的業(yè)者怎么響應(yīng)這個需求？這是我們所關(guān)心的問題。

今天的內(nèi)容有點枯燥，跟大家分享一下微軟大數(shù)據(jù)解決方案的架構(gòu)，我們闡述一下為什么混合云，再說一下混合云架構(gòu)上交付大數(shù)據(jù)解決方案的架構(gòu)，然后我們做一個立體分析，給大家有小的演示。

首先我們看一下微軟的大數(shù)據(jù)方案，拿這個圖不是為了嚇唬人，因為確實是大數(shù)據(jù)方案里面的Cloud模塊很多，確實很多。我們從左側(cè)往右疏導(dǎo)，左邊是數(shù)據(jù)源，左邊是非結(jié)構(gòu)化數(shù)據(jù)源，還有傳統(tǒng)化的結(jié)構(gòu)數(shù)據(jù)源。這些數(shù)據(jù)源進來之后我們通過Hadoop和結(jié)構(gòu)化的SQL導(dǎo)入到分析平臺系統(tǒng)，中間這個部分。這個部分的數(shù)據(jù)做的匯總處理之后，然后再往右側(cè)的塊進行數(shù)據(jù)的分析，數(shù)據(jù)分析這邊我們主要用傳統(tǒng)的數(shù)據(jù)分析方法還有一些新的機器學(xué)習的方法做分析。這些分析結(jié)果會導(dǎo)到應(yīng)用層，應(yīng)用層我們看到在應(yīng)用中，現(xiàn)在還沒有達到指導(dǎo)性的意見，還是側(cè)重數(shù)據(jù)展現(xiàn)，包括幾個，一個是動態(tài)化的交付分析，還有面向移動端的數(shù)據(jù)交付。這是重要的幾個部分，上面是流逝分析，在實時數(shù)據(jù)流我做處理。這個處理方法不管是微軟還是其他的，主要提供于查詢語句的方式做差距，但是差距是根據(jù)實時流做的，對于實時要求比較高。

在整個概覽我們看到從數(shù)據(jù)產(chǎn)生到清洗、挖掘到后面的展現(xiàn)這個過程都有了。這張圖在大部分微軟和微軟小伙伴大家講的之后都會說，這是基于微軟公有云上面所提供的服務(wù)。的確這個里面不管是說從上面的Hadoop、HDinsight都是在微軟的公有云上面提供服務(wù)，一個是存儲服務(wù)還有分析類服務(wù)都在上面做。那么這些部分東西我們?nèi)绻虢桓蹲约旱谋镜卦苹蛘咚接性苹蛘咄泄茉粕厦孀龅臅r候，能不能做？這就是我們所關(guān)心的問題。我們的答案是可以做，你在本地云平臺上可以做，既然做云我們首先需要一個基礎(chǔ)的架構(gòu)，我們需要有一個基礎(chǔ)架構(gòu)。這個基礎(chǔ)架構(gòu)提供的是一個IaaSService平臺，既然是做云我們一定要具備多租戶的能力。這是云的本質(zhì)，所以我們現(xiàn)有這個部分。這個部分我今天不展開講，因為我們過去很多活動中主要講這個部分。那么對應(yīng)上面的這些，上面這塊我們在本地云做的時候，提供大數(shù)據(jù)的解決方案有三個縱向的域組成，數(shù)據(jù)管理、數(shù)據(jù)提煉還有數(shù)據(jù)洞察。對應(yīng)這些域里面，微軟可以提供哪些模塊給大家？我已經(jīng)列出了。

首先我們做數(shù)據(jù)的管理，大家不可能不知道Hadoop，那么我們的答案就是說在微軟本地云的多租戶解決方案上，你可以交付一個Hadoop的服務(wù)。所以Hadoop的服務(wù)，當你的租戶來到你的環(huán)境中訂閱這個服務(wù)的時候，可以自動化的獲得Hadoop的環(huán)境。這個我們后面有一個小的演示，大家可以看一下。在數(shù)據(jù)提煉這部分，就有意義了。因為我們知道現(xiàn)在在數(shù)據(jù)分析的云里面，從傳統(tǒng)的這種簡單的排序到數(shù)據(jù)挖掘到現(xiàn)在的機器學(xué)習，再到可能在今年會進一步演化的深度學(xué)習，這些數(shù)據(jù)分析會是未來更重要的部分。包括昨天早上何博士談到一個觀點，把人工智能作為一個服務(wù)，這都是一個熱點。但是這個答案我們在這個方案中，嚴格意義上沒有一個完整的人工智能的服務(wù)在里面，為什么？原因很簡單，因為這個成本太高。所以我們對于這部分的服務(wù)提供的是R的解決方案，我們知道在整個數(shù)據(jù)分析領(lǐng)域里面，R語言現(xiàn)在占有90%的市場份額。那么怎么實現(xiàn)對于模型，基于模型的數(shù)據(jù)分析的服務(wù)？我們是通過，原來叫做HR，2016可能改名RService，所以我們把它放到我們的解決方案里面，這是一個。

還有原來微軟自己具有數(shù)據(jù)挖掘和分析服務(wù)這些模組，這些依然是存在的。那么再往右側(cè)推演，我們知道現(xiàn)在做大數(shù)據(jù)，我剛才講了一個觀點就是說，要做完整閉環(huán)決策，從數(shù)據(jù)的產(chǎn)生到分析到加工再回到你的系統(tǒng)中自動執(zhí)行這個行動，這個閉環(huán)大家不太敢做。在一些不重要的地方可以做，但是你把自動化全部交給他有一定的困難。所以我們看到做數(shù)據(jù)的展現(xiàn)，也就是說去年也是2015年比較熱的話題就是數(shù)據(jù)可視化，我用這個詞講大家更有感知一些。我們看到從去年年初踩踏事故出來之后，百度發(fā)布人流密布圖。到去年年底的時候淘寶也分布了指數(shù)，數(shù)據(jù)通過直觀的方式展現(xiàn)給大家，使得大家能夠領(lǐng)悟到價值。這個領(lǐng)悟目前機器不能完全替代去做，所以這是主要的原因。那么這個里面微軟提供的工具有兩個，一個是Analysis Service，這個跟十年前的已經(jīng)完全不一樣。還有一個我上面沒有列，我們在交互經(jīng)常用的工具就是Excel表格，這個從07到10這兩個版本已經(jīng)演變成一個分析工具，Excel每個表處理的能力是十億條，不是原來的那樣。我們以前有一個比較痛恨的地方，一個數(shù)據(jù)表只有536，現(xiàn)在不是。第二它可以引入到外部數(shù)據(jù)源，第三它在展現(xiàn)上提供了像數(shù)據(jù)透視圖、還有跟地圖的連接這種更可視化的一種服務(wù)。

那么好，還有一個值得關(guān)注的小工具，這個叫Datazen，它本身也是獨立公司，這家公司的最大優(yōu)點就是說它提供一個面向移動設(shè)備的，基于H5的數(shù)據(jù)展現(xiàn)的可視化方案。也就是說你的數(shù)據(jù)從結(jié)果出來推送到手機端，可以基于這個方案，你可以在應(yīng)用里面嵌入這個數(shù)據(jù)展現(xiàn)的時候，就變得非常的簡單。整個串起來就是我們大家能夠幫助在本地云平臺交付的大數(shù)據(jù)方案?；氐轿覀兊闹黝}，關(guān)于混合云的問題。嚴格意義講，我個人認為混合云永遠是一個中間方案，為什么這么說？從云計算誕生的第一天就希望所有的IT應(yīng)用和應(yīng)用，也就是數(shù)據(jù)都放到公有云上，為什么？因為公有云有好處。在基于公有云構(gòu)建這個解決方案，你可能有一個相對比較端的建立周期，還有很強的數(shù)據(jù)中心的資源，然后有非常大的計算資源規(guī)模。這使得我在上面做應(yīng)用的時候，可以變得更靈活更方便，而成本更低。談到成本這個問題，我們在座做IDC的大家都有體會。國內(nèi)最便宜的云就是阿里云，但是它的邏輯大家經(jīng)常講一個故事，所謂羊毛出豬身上然后狗買單，這種時候這種成本結(jié)構(gòu)和我們單一的項目成本結(jié)構(gòu)完全不一樣。

那么從最終用戶來看，我們不關(guān)心這個后臺的業(yè)務(wù)競爭，我們只關(guān)心我們構(gòu)建業(yè)務(wù)系統(tǒng)成本時候會發(fā)現(xiàn)基于公有云做的時候成本會低，可是也有它的限制。這也就是說我們?yōu)槭裁磿嬖谒接性坪捅镜卦?，以及說其他形式的專有云的存在價值。首先對于數(shù)據(jù)治理這個問題是永遠存在的，不避諱的講即便是微軟和世紀互聯(lián)做微軟的Azure云，沒有用海外的Azure云引入中國的方式來做，就是因為法規(guī)的要求。所以同樣的要求會在不同的行業(yè)會有更強的約束性，那么這就是盡管有一個很便宜的公有云在那兒，但是很多用戶不能用。我們先不說技術(shù)問題，從數(shù)據(jù)治理角度來講它不能去用。所以會產(chǎn)生一個本地化的需求，就誕生了。可是對比公有云，一個很大的規(guī)模來講，在本地的云平臺一定是個有限規(guī)模。很簡單，比如微軟在自己的公有云投資達到150億美金，這樣一個規(guī)模不是任何一個企業(yè)或者說任何一個局部地域的服務(wù)商愿意投入的，因為市場空間沒有那么大，所以不會做這樣的生意決策，沒有這樣的決策就不會有一個看似無限量的后臺資源規(guī)模來支撐。這樣的結(jié)果下我們本地云就會變成一個有限的規(guī)模。

那么有限規(guī)模解決什么問題？在國內(nèi)主要第一個是數(shù)據(jù)治理的問題。第二是網(wǎng)絡(luò)問題，網(wǎng)絡(luò)問題包括兩個，一個是一些地方網(wǎng)絡(luò)連接并不像我們想象的那么好，就是訪問速度沒有想象那么好。我們看到做SaaS應(yīng)用服務(wù)的人，大量導(dǎo)入CDN，這就是其中一個原因。還有看的更極端的案例，有一些對于大數(shù)據(jù)解決方案有需求的用戶，他本身所處的位置非常偏遠，我們講一個極端場景。如果你幫助人做一個數(shù)字化的解決方案，都是在鳥不拉屎的地方，這個時候本地的私有化云的服務(wù)，就顯得有意義了。

那么回到我們所關(guān)心的問題，大數(shù)據(jù)。在微軟的視角里面我們在公有云提供了大量的服務(wù)，比如新的Data Lake，就是PaaS的Service在上面。對應(yīng)在本地我們提供Hadoop、SQLService這些應(yīng)用都在上面。我剛才提到一個觀點，混合是一個中間路線，非左非右，就是折中。取東家長補西家短，這就是混合的意義。如果我們有些數(shù)據(jù)存儲和運算需要到很大量的資源規(guī)模我可以使用公有云的IaaS層的Service來做。那么很尷尬的看到一點，很多人用公有云第一步做什么？數(shù)據(jù)備份。再往下看，在公有云上提供一些在本地不好去構(gòu)建的服務(wù)，舉個例子，機器學(xué)習，它后臺節(jié)點非常高。如果本地云只構(gòu)建12或者16個物理服務(wù)器的平臺提供給三個客戶做大數(shù)據(jù)的服務(wù)，你可以想象我做這個事情，我怎么利用這個能力？我們的思路把這兩個串到一起變成一個混合的解決方案，取其長來用。

那么在本地我們所進行的其實是根據(jù)需求產(chǎn)生的，因為我們畢竟做生意。我做一個平臺或者做一個服務(wù)，沒有人來買我不需要投入那么高，那么這個時候在這一側(cè)我們看重在性能也好，成本也好，是根據(jù)需求來設(shè)計的。所以對于混合云的需求分析我們導(dǎo)入這樣一個結(jié)構(gòu)，這個結(jié)構(gòu)看起來很簡單，它的主線的工作是在這部分，就是本地云，COSN是微軟的一個解決方案。我們在這里用它代替在本地云平臺的名稱，在本地從數(shù)據(jù)采集分工是通的，但是我需要用公有云的時候把他拉進來，這是一個混合結(jié)構(gòu)。這里我們沒有引入IaaS的混合層，重點在于公有云的PaaSService導(dǎo)入到這個解決方案，構(gòu)成一個整體的部分。這個地方我特意說了，因為在大數(shù)據(jù)解決方案里面會存在很多不同的模塊，有的部分我可能只有非結(jié)構(gòu)化數(shù)據(jù)處理。

接下來我們再對比一下，在公有云跟本地云兩邊來看。上面紅色標記是微軟在本地云提供的模塊大家去用，下面藍色是我們在公有云提供的數(shù)據(jù)分析，DataService，為什么公有云提供那么多誕生在本地？原因很簡單，因為微軟今天不像十年前那樣，我們以產(chǎn)品導(dǎo)向的方式做云的業(yè)務(wù)，而是以云為優(yōu)先，我們的口號也是移動為先云為先。這個時候整個研發(fā)體系的轉(zhuǎn)變會導(dǎo)致新的服務(wù)和技術(shù)會優(yōu)先誕生在公有云上，然后稍后我們把這些服務(wù)轉(zhuǎn)變成可交付產(chǎn)品，放到其他的環(huán)境中去運行，所以這是一個變化。那么這張圖的結(jié)構(gòu)，你可以忽略這些，我們看藍點和紅點，今天可能是十比五的關(guān)系，明天變成十五比五，比十，后天變成二十比十、比十五，它是這樣的關(guān)系在變化。所以這個時候看到出來一個關(guān)于微軟的承諾，微軟在企業(yè)市場的耕耘是持續(xù)不斷，我們的做法希望把微軟在公有云的最佳實踐轉(zhuǎn)變成可交付的技術(shù)，可服務(wù)在公有云、本地云各種云的平臺，交付給我們的合作伙伴，幫助大家構(gòu)建整體的解決能力。

接下來我們進入一個例題分析。前面講了系統(tǒng)結(jié)構(gòu)和為什么做混合云，我給一個簡單事例。接下來看一下在這樣的思想指導(dǎo)下在實際的需求來了之后，會有什么樣的情況？這里說一個例子，這個例子是一個物聯(lián)網(wǎng)的應(yīng)用場景，預(yù)測性的維護或者預(yù)防性的維護。這張圖上半部分告訴大家傳統(tǒng)的設(shè)備維護需要巡檢、排班和經(jīng)驗。但是問題來了，這樣做是不夠的，因為有天然的矛盾。我檢的頻度高了成本高，檢的頻度低了，出現(xiàn)問題的風險高。所以怎樣適中的去做？不知道，只能憑經(jīng)驗。所以這個時候我們在想，大數(shù)據(jù)時代來了，我能不能利用數(shù)據(jù)的分析來告訴我，對于這些設(shè)備的部件，我能不能有相對更精細的方式去做檢測和維護和操作。比如說我應(yīng)該去更換機油，比如我應(yīng)該更換車輪，我更換的周期應(yīng)該是按什么樣的數(shù)值做最合理？是設(shè)計人員告訴我的還是說應(yīng)該誰告訴我？我們想象一下一個設(shè)備在哈爾濱運行和廣州運行它的情況不一樣，由于地理緯度的影響就不一樣。那么就跟我們機房一樣，機房放到了廈門，要考慮除濕，如果放呼和浩特要考慮防風、除沙，這當然是環(huán)境帶來對設(shè)備維護因素的影響。還有人的影響，負載均衡的影響，其實這對于大型設(shè)備來說它的維護應(yīng)該是個性化的。但是傳統(tǒng)的方式只能給你一個指導(dǎo)手冊，然后加上你自己的經(jīng)驗去做。

我們一下對于這種大型設(shè)備的維護應(yīng)該怎么來做？首先我需要有數(shù)據(jù)的采集，我需要有大量傳感器和控制設(shè)備的電腦主板，把運行狀態(tài)、數(shù)據(jù)拿過來。然后我把它放到一個地方，你可以把它放到我們講的本地運營的平臺上做這個數(shù)據(jù)的采集，這個時候它是一個服務(wù)，我們把服務(wù)拿進來。拿進來之后，干什么？很簡單，第一步是存儲，我的結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)，很簡單我們想象一下我們Hadoop放進來了，放進來之后馬上可以做一些報表出來。這是沒有問題的。然后我可以把這些數(shù)據(jù)送到一個公有云服務(wù)平臺，用它的機器學(xué)習的能力，幫助我導(dǎo)入一個模型，這個模型是什么？比如是我這個車輪的疲勞失效模型。還有比如說是我不同部件的失效模型，這些模型可以在上面做計算，剛才講公有云有很好的計算池，因為我不需要每時每分去做，這個時候我的性價比最好，我本地云沒有那么大平臺規(guī)模，我不需要投入那么高成本。這個時候通過這樣的方式處理一下，處理完的結(jié)果拿過來。為什么？因為我要再做下一步的管理。這個管理我舉這個例子是排班管理，什么是排班管理？

我們知道在很多設(shè)備的運轉(zhuǎn)空間里面需要人做現(xiàn)場巡檢，現(xiàn)場巡檢的時候什么時間派什么人出去？這就是排班。以前的排班方式是用手冊和周期和人力資源來排，我現(xiàn)在可以按照設(shè)備個性化的維護周期和失效模型和人的狀況去排班，形成一個智能排班。這個排班使我的巡檢成本可以降低，這就是它的優(yōu)勢。我們看一段小電影，這是什么設(shè)備？電梯。電梯從剛才前面的各種傳感器設(shè)備采集完了之后回到本地的處理中心，這是它的服務(wù)中心，服務(wù)中心里面把數(shù)據(jù)能夠可視化展現(xiàn)出來，告訴大家是 什么位置的電梯，運行狀況怎樣？再進一步的把這些數(shù)據(jù)做處理，然后變成一個排班結(jié)果同步給現(xiàn)場的小分隊，小分隊拿著自己的電腦按照工作指令去現(xiàn)場了，去做這些設(shè)備的檢修、維護、配件的更換。所以這樣一個過程構(gòu)成我們剛才看到整個解決方案的完整處理能力。

我們剛才把基于設(shè)備性的預(yù)測性維護的解決方案和它的實現(xiàn)路線和一個場景給大家做了展示。接下來我們再看一個如何把Hadoop ，一個基礎(chǔ)的組件做成服務(wù)放到我們的本地云平臺上。這個界面是我們在本地云平臺做的一個交付界面，首先看到是一個后臺管理，我們在后面定義好相應(yīng)的資源，這個資源還是偏向于IaaS層的交付解決方案的資源，剛才看到的第一個片斷是管理的界面，是一個后臺界面，現(xiàn)在進入一個租戶界面。因為我們做一個CloudService是多租戶，現(xiàn)在就是用這個機制創(chuàng)建一個Hadoop的集群，我們把Hadoop的集群作為一個模板放在后面。當租戶訂閱的時候可以根據(jù)他的需要創(chuàng)建模板，創(chuàng)建出來把集群交互給用戶做，那么就實現(xiàn)了把Hadoop做成服務(wù)，這樣一個簡單的能力來構(gòu)建出來。

同樣的，我們對于其他的也可以采用同樣的技術(shù)來實現(xiàn)。下面給大家演示一個小例子，我們這個例子是關(guān)于空調(diào)的智能管理的例子，首先我根據(jù)地圖進來，然后找到一臺空調(diào)，這是大型建筑的中央空調(diào)，中央空調(diào)我們知道它的制冷原理主要通過水冷，就是調(diào)整水口的溫度來送暖風，保證溫度的協(xié)調(diào)。這里我們主要的結(jié)果是做兩件事情，第一就是根據(jù)人流和環(huán)境因素來決策每一臺空調(diào)的運轉(zhuǎn)參數(shù)，這個參數(shù)分時段來調(diào)。有點類似于我們剛才講的排班表，那個調(diào)節(jié)人這個調(diào)節(jié)設(shè)備的工況。還有對空調(diào)運轉(zhuǎn)狀況做一個模擬分析，然后來看能耗和溫度之間的關(guān)系。因為我們知道空調(diào)有很多機組，這個時候產(chǎn)生能耗跳電，是什么因素導(dǎo)致的？我需要找到。我先開一個，然后再過一小時再開第二個，這個時候能耗有很大的節(jié)約?？雌饋磉@個圖稍微有點復(fù)雜，但是這個是微軟的機器學(xué)習的界面，我們只是把它嵌入到這個里面來。這個里面每一部分都是會有一些算法的，這些算法其實已經(jīng)做成了可以拖拽的工具，因為我們知道以前做算法分析的時候，你要從A算法分析結(jié)果到B算法，中間需要轉(zhuǎn)換，這個很麻煩，成本周期很長，現(xiàn)在可以以拖拽的方式把整個串聯(lián)下來做一個序列。