【CSDN在线培训Q/A】解析大数据分析服务

7月10日，亚马逊AWS 产品拓展经理庄富任在主题为“解析大数据分析服务”的在线培训中，为我们讲述了如何利用AWS Kinesis 实现实时数据流采集和处理,并配合AWS Hadoop EMR集群分析非结构化数据,以及数据仓库Redshift 进行高效结构化数据分析,并结合客户案例为例说明这些服务的实际应用场景。

为了帮助大家更好的复习本次培训的相关内容，了解AWS云平台数据分析服务的使用技巧及相关资讯，CSDN整理了本次培训最后的QA如下：

Q1：亚马逊推荐将最佳实践存放在S3，这会不会失去数据本地性，例如以前的服务器数据和计算是在一起，现在数据与计算分开是不是意味着处理数据的时候会有延迟？

答：对于AWS来讲，S3与EC2、EMR和Glacier都是在同一个可用区，那么每一个服务都是用高速网络连接在一起，用户几乎感觉不到在做I /O或者是数据的吞吐量的瓶颈，所以这上面不会存在任何的瓶颈。

Q2：如何将业务数据导入到AWS云上？

答：这是用户常问的一个问题，任何一个处理大数据的人都会遇到这个问题，无论用户是在云计算上还是自己购买存储设备，都会遇到数据载入的问题。

对于AWS云来讲，亚马逊提供很多不同的工具，第一个最简单的就是用互联网，只要用户的互联网出口带宽是足够的，因为不同公司的出口带宽也都不同，但只要出口带宽能保证，就能进入互联网，就不会有瓶颈。另外，S3提供了一个切片工具，比如一个文件有100M，切片工具可以将其切成10个小文件，上传到互联网，然后S3会自动将文件进行聚合，这是其中的一个方式。第二个方式是专线传输，如果用户的数据很大，达到PB级别的话，就可以通过专线传输到AWS云。

Q3:如何保证数据的安全性？数据保密性达到什么程度？

答：从分析层面来看，第一，数据上传到AWS云上是一个网络的传输过程，其中当然有一些加密的工具，用户可以将数据进行加密来保存，数据的传输是一个加密的过程，只要数据传输到AWS云，亚马逊当然也提供一些在存储方面的加密工具，用户可以根据需要进行加密。

重点是只要用户的数据上传到AWS，那么亚马逊都不会去看或者是移动用户的数据，总之亚马逊能够保证不移动或是查看用户的数据。

Q4：PB级的数据处理是否推荐MySQL？

答：如果用户知道MPP数据的发展或是关系型数据库到所谓的以列存储的MPP数据仓库的演进，都应该知道这些都是为了取代关系型数据库的，所以如果说是PB级的数据分析，我认为并不那么适合用MySQL。

Q5：RedShift是否可以达到像EMR水平扩展的性能？

答：可以的，EMR没有限制说用户需要几台机器，你要100台或者1000台都没有问题，因为对于Hadopp这个框架来讲就可以达到这么多，对于Redshift数据仓库来讲，目前是可以达到100个节点，亚马逊有一个不断的演进，目前PB级适用于大部分的实例，扩充到100个或200个节点的时候，亚马逊会不断去做一个产品的评估，事实上MPP级数据，数据仓库就足够用户使用。

如您需要了解AWS最新资讯或是技术文档可访问AWS中文技术社区；如您有更多的疑问请在AWS技术论坛提出，稍后会有专家进行答疑。