如何选用合理的基础架构

对于企业而言，如何将各种应用数据进行整合挖掘，提炼出适合其使用的商业信息是企业的一大急迫需求。传统的BI模式大多基于数据仓库，是关系型数据库的模式。面对急剧增长的异构数据，传统的数据仓库和原有的并行计算技术由于挖掘效率低，已经不能解决海量数据挖掘工作，影响着数据的及时提取。

一直以来，商业智能系统往往基于传统的SMP架构小型机而构建。随着近年来X86平台的性能与日俱增、可用性日渐提升、扩展性飞速增长，X86平台在越来越多的市场领域开始侵蚀小型机份额，商业智能也成为X86架构向RISC小型机发起进攻的另一个战场。例如，Oracle推出的基于英特尔至强平台的Exadata数据库云服务器，通过独有的smartscan技术，以及数据处理过程下移的设计，在X86架构基础上同时提供了较高的OLAP性能(数据仓库应用)和OLTP性能。此外，IBM也推出了基于X86平台的商业智能解决方案，基于IBM独有的EX5架构服务器和XIV网格存储系统提供了不输于小型机的智能信息处理能力。

选购要点：

1、高可用性：BI的基础架构层，需要建立起数据挖掘云服务平台，而这个平台，必然是高可用性的。

从高可用性来看，需要集中解决三个方面的问题：一是数据保护，需要利用CRC、ECC等硬件机制来对传输的数据进行校验、纠错，如果无法纠正，就将损坏的数据进行隔离，以保证不造成更大的数据，避免系统的重启和宕机。

目前英特尔至强7500或E7合作的方案拥有诸多优势，如成本低、性能高、可靠性(RAS)高、可扩展性好等优势。在可扩展性能上，X86平台横向的向外扩展功能，即由两台以上的机器构成集群。能满足大多数企业关键应用环境的负载需求，包括对内存和CPU要求都较高的数据库、商业应用和虚拟化。进而避免传统UNIX双机方案“成本高昂，备机资源平时严重闲置浪费，主机故障切换期间用户服务被迫停顿”等诸多困境。

此外，7500一些设计已经将计划宕机时间最小化，这当中包括系统分区管理技术、CPU和内存的热添加和热移除等，将系统维护时间降低到最小。

2、虚拟化：数据挖掘云服务还是要依赖于虚拟化技术，要计算资源自主分配和调度，也就是说虚拟化技术是数据挖掘云服务技术的支撑。