在大数据环境之下，传统的数据仓库建设在相当长一段时间内仍是企业级信息管理和服务的主体工作之一，但技术、方法、理念都必须与时俱进，特别是在实时运营的现实紧迫要求之下，必须建立“对过去、现在、未来保持‘开仓’”的能力。

大数据中心 架构 大数据中心体系_大数据分析

在大数据和实时的环境下，分层显得不是那么重要。我们需要采取的原则是浅分层、宽分类，看数据流，看效率。以效率优先的原则来定义技术架构。下面我们来分享一下支撑大数据技术体系的“五个中心”。

  1. 运算能力及其功能应用和响应中心。实际情况实际分析来帮助客户进行划分比如包括大数据分析中心、数据挖掘中心、大数据探索探查中心等。
  2. 体系安全及其管控中心。很重要但是容易被忽略，包括数据安全，内容和数据的生命周期、元数据数据质量和标准的管理。
  3. 运营及管理中心。包括作业调度管理中心、系统健康监测中心、用户及其管理管理中心等。
  4. 渠道及其综合引擎中心。包含日志推送、DB引擎、文件引擎、数据流引擎等。
  5. 数据持久化中心。包括HIVE、HBASE、RDBMS和成品数据中心等。

以上就是思迈特软件小编今天分享关于SmartBI“5个中心”支撑大数据技术体系资讯。