用于存储大数据的解决方案是当今巨大的技术挑战。当然，有很多不同的选择，如RDBMS，NoSQL，时间序列数据库等，本文分析了五个数据存储解决方案，这些程序是为不同目的而创建的，但所有程序都可用于保存基于时间的日志。

所有大数据和Hadoop生态系统相关的企业都非常兴奋，因为这其中很少有企业会被淘汰出局，但企业似乎并没有找到Hadoop的正确打开方式，不过这也不影响他们不断地砸钱。如果试试将整个生态系统搬到云端，就会发现一切都不一样了。

2017年已经到来，大数据在飞速成长。无论是物联网还是云计算方面，企业技术都在上升，促进了市场的巨大变革。许多公司正在接受将大数据作为这个时代的竞争优势。在这篇文章中，我们将讨论Oracle对大数据2017年及其未来的一些预测。

随着智能手机市场占有率的不断增大，移动营销和内容营销成为了很多互联网公司的战场。微博、UC、今日头条、网易新闻......每一次刷新都会产生众多内容，随着越来越多的公司依靠大数据进行内容营销，分析信息和实时部署的能力正成为企业日常业务不可或缺的一部分，这需要员工在任何时间都可以使用分析和内容管理技术。

经历了与滴滴的合并，Uber的身影似乎消失在中国市场。早前，Uber宣布，它将与负责城市规划的官员和计划者分享用户数据。政府官员以前就曾多次要求Uber分享用户数据，但遭到拒绝。为了帮助建立一个更完善的城市，该公司计划推出一个新的网站，专门用来分享匿名用户数据。

大数据时代，不但数据量得跟上，数据安全也得跟上。对于基础设施欠缺而无力承担安全部门设置的小型企业来说，数据安全成为企业殚精竭虑的大问题。许多公司陆续成为黑客遍寻世界的牺牲品。一个小小的漏洞，就可能造成巨大的经济损失。以下是迄今为止世界上最大的几起数据安全事件。

早在1990年，便有人提出创建会学习的软件的想法，很多电影中也有机器人自我进化，最后妄想统治世界的剧情，自从AlphaGo打败李世石之后，人工智能，深度学习，神经网络都成为了热搜词，许多公司都开始布局这一领域，希望成为领头羊的角色。很多程序员也转而开始研究机器学习、人工智能，希望在事业上有一个晋升，然而近期的一个消息，让人工智能与程序员之间的战争又升级了!

机器学习框架和深度学习框架之间是有区别的。本质上，机器学习框架涵盖用于分类，回归，聚类，异常检测等各种学习方法，并且其可以不包括神经网络方法。深度学习或深度神经网络(DNN)框架涵盖具有许多隐藏层的神经网络拓扑。层越多，可用于聚类和分类的特征越复杂。

2017年，大多数公司都对数据泄露有所准备，但是对于数据的威胁是不断发展的，所以面对新兴的网络威胁和日益复杂的网络犯罪，我们需要持续保持警惕。

MongoDB前段时间的黑客袭击事件闹得沸沸扬扬，累坏了各大营销号，有借此机会狠踩MongoDB一脚的，也有抓紧宣传自家产品的。这让我不由得想起MongoDB 3.4推出的视图功能，据说在数据安全和高级抽象上效果显著，既不使用磁盘空间也并非物理模式，所以来看看如何用吧!

随着科技的发展，越来越多的设备能够互相间交流了。消费类和工业领域的OEM都在开发连接到互联网的“智能”设备。这包括人们身上穿戴的设备，汽车里的设备，家里和工作单位的设备，以及智慧城市里的各种设备。据预测，到2020年全球将有500亿台互联设备，所以会产生很多设备之间的对话!

一家公司的命运或未来取决于什么呢?市场导向还是战略推动?当今世界，抓住用户才是硬道理，学会发掘潜在用户才可以促进公司的不断发展。随着面向用户的商业方法不断增多，企业家在整个商业环境中努力确保最佳的客户满意度，同时，数据分析和商业智能的概念悄然进入业务场景。

美国时间1月10日，Apache软件基金会对外宣布，Apache Beam经历了近一年的孵化之后终于正式开源，据说这是足以和Spark平起平坐的下一代大数据处理平台，听说这个消息之后，我首先想到的就是腾讯的Angel，上个月腾讯宣布将在2017年第一季度开源Angel，看来，生不逢时的Angel似乎即将遇到一个强劲的对手。至此，谷歌也完成了对其云端大数据平台Cloud Dataflow开源的承诺。

机器学习领域仍处于起步阶段，有许多所谓的专家不过是读了几本书或者开了几个在线课程，就突然火了起来，许多顶尖的技术公司也收集了大批可能经验丰富的机器学习人才，准备开发AI经济。其他一些小企业受到机器学习的影响，以及有一颗想成为独角兽的野心，也纷纷迈入这场战争。在2017年，整个ML生态系统可能开始回归正确的轨道。

什么是机器学习?我遇到过最简单的定义是：机器学习是AI的分支，是探索如何依据以往经验提升计算机性能的技术。

Caffe是由贾扬清在伯克利上学期间开发的，该项目已经开放源码，目前已获得社区贡献以及伯克利视觉和学习中心(BVLC)赞助。广泛来说，BVLC现在是伯克利人工智能研究(BAIR)实验室的一部分。同样，Caffe也已经超出了视觉范围，包括非视觉深度学习部分，虽然已发布的Caffe模型绝大多数仍然与图像和视频相关。

在过去几年，全球零售商一直试图利用大数据创造价值。由于其大数据分析基础架构的限制，许多工作被一再推迟。Hadoop为这些零售商打开了新的大门。它可以解决他们在过去几年在大数据领域面临的许多挑战。

我们已经在大数据领域进行了很长时间的探险了，虽然大数据已经不再让人眼前一亮和感到新鲜，但技术的不断更新足以让你时刻关注这个领域。同时，这也是很多企业技术更新最快的领域，但还是有一些技术会长期占据靠前的位置，直到有更好的替代品出现为止。

Apache Flink是一个用于大数据处理的Apache项目。虽然它看起来像Apache Spark，但二者在架构和想法上有很大差异。Apache Flink的目标是实时处理流数据。Apache Spark被认为是功能成熟的实时处理架构的先驱，它的微批处理架构支持近实时(NRT)场景，而Apache Flink支持实时的。

如今，再讨论大数据，无论是互联网行业还是传统行业似乎都有话说。大数据改变了很多，也带来了很多。人工智能作为大数据的一个重要分支，也纷纷被各大企业划入未来的规划之内。不久前，李开复就曾说过，未来的人工智能市场将比如今大火的移动互联市场要大10倍。