说这话的，正是来自Google十年职工，数据剖析产品BigQuery开创成员之一，Jordan Tigani。
大数据概念在十多年前开端鼓起，时至今日，出售们仍用“海量数据带来指数级添加曲线”说法，来勾起（唬住）客户为相关服务买单的愿望，不然就将被数字年代扔掉。作者自己也曾是其中之一。
但现在，Jordan Tigani不只以为这种说法行不通，还称“数据巨细底子不是问题所在。”
那么问题在哪？他以为，咱们已无需忧虑数据巨细，而应专心于怎么运用数据来做出更好的决议计划。
值得注意的是，作者表明，证明过程中相关图表曲线并不是严厉参阅了数据，而是凭回忆手绘的，这位资深从业者着重重要的是曲线形状趋势，而非切当数值。
这是一条数据量随时刻添加，出现指数级添加的曲线，在曩昔十年，简直每个大数据产品推销都从该曲线敞开。他曾上任的谷歌、SingleStore都不破例。
亮出曲线后，出售们会顺势宣扬产品，告知客户大数据年代来了！你需求我手里的产品服务！
但Jordan Tigani以为，多年来的现实已证明，处理数据的老办法现已行不通了，且大大都使用程序也不需求处理很大都据。
一个佐证是近些年传统架构的数据管理体系复兴，比方SQLite、Postgres、MySQL都添加微弱，与之比照，“NoSQL”乃至“NewSQL”添加却停滞不前。
一个显着比方是MongoDB，它是排名最高的NoSQL类数据库，也同样是最火的横向扩展类数据库，此前几年MongoDB添加势头微弱，但最近规划却小幅下降，且与MySQL等干流数据库仍存距离。
宣扬大数据年代就在眼前的另一个说法是每个人都会被发生的数据吞没。
但Jordan Tigani在研讨客户中发现绝大大都客户总数据存储量不超越1TB，即使大型企业，其数据量级也soso。
根据他的从业经历，所服务的最大客户数据存储量是第二大客户的2倍，第二大客户又是第三位的2倍。
只要极少数客户具有PB级数据，不计其数客户每月存储费用不超越10美元，而他们服务客户存储资源运用的中位数，连100GB都不到。
不只作者自己这么以为，Gartner、Forrester等组织剖析师及其他从业者也表明，大部分企业的数据库量级都小于1TB，且100GB是常态。
拿一家超千名客户的公司举例，即使每个客户每天下一个订单，里边包含100项数据，每天生成数据仍小于1字节，三年后是1GB，而要到达1TB，这家公司得做几千年生意。
另一个比方是之前作者触摸了一家E轮独角兽公司，且还在快速生长中，但即使这样，他们的财务数据、客户数据、营销盯梢数据及服务日志加起来，也只要几GB。
因为现代云渠道将存储与核算分隔，两部分使用量级也有很大距离，即数据存储添加快度，远大于核算资源需求增速。
详细来说，企业数据的存储量随时刻推移，肯定是线性添加的，但大部分剖析核算需求是针对近期数据，不或许一遍又一遍重复读取旧数据。因此，核算需求不会同步敏捷添加。
作为全球头部零售商，他们原有100TB本地数据，迁移到云上后，数据质变成了30PB，添加了300倍，假如核算资源需求也随之拉满，那他们在数据剖析上的花费将达几十亿美元，但现实上，他们只花了很小一笔费用。
作者以为，许多核算服务不被需求，也就意味着前沿架构不太有必要，乃至分布式处理也Duck不用。
大都时分，人们往往只会查询前1小时、前1天或上星期数据，较小的表会被频频查询，但大表就不必定了。
在作者自己BigQuery作业经历中，数据量巨大的客户简直从不查询很大都据，除非他们正在生成一些陈述。
正如下图，90%查询使命触及的数据量级不超越100MB，仅1%超越10GB，且即使查询巨型表，数据库也可通过必定处理，削减核算量和推迟。
一个旁边面佐证是业界契合本来“大数据”界说的产品也在变少。
在最初，大数据的界说之一是“任何单机无法处理相关使命/场景需求”，比方00年代，数据作业负载关于单个商业核算机来说，带不动是常态。
但今日，一个AWS的规范实例所用到的物理服务器包含了64核及256GB RAM，假如为优化实例再多掏一点钱，又能在原基础上添加2个数量级RAM，这简直掩盖一切作业负载需求。
详细来说，作者以为，大数据的另一重内在是“当数据保存的开销小于其发掘价值，那就应该抛弃”，因此，咱们需求断定哪些数据需求及时铲除，以及背面的原因，这将成为数据作业的重要部分。
这傍边，也包含不一起期同一数据以不同字段存储，需求有人来加以保护和留有记载。
此外，根据相关监管规则，许多类型数据（比方触及个人隐私的电话号码）也需求定时铲除。
再有，就是一些公司需求定时判别哪些旧数据要整理，以防止未来或许的法令危险。（手动狗头）
关于Jordan Tigani上述观念及证明，有网友表明支持，还联想到之前相似的作业经历。
当红炸子鸡ChatGPT背面老板Sam Altman，此前在旧金山一次技能活动中，也谈过对大数据的观念，Sam以为
AI研讨范畴获得令人形象深入的前进，不只依托海量数据，一起更需求海量的核算。
上述观念不只着重了海量数据重要性，比照Jordan Tigani所以为的“重存储轻核算”观念，正好相反。
另一个不同声响来自一位名叫Lewis Gavin的大数据与软件工程师，此前他曾在Medium上发文，主题也是环绕“大数据是否消亡”
所给出理由是：一方面根据是全球生成的数据总量仍在加快添加，且细分范畴中，处理“大数据”正成为常态。
根据此，Lewis Gavin以为所谓“大数据逝世”，仅仅营销说法的消亡，但Big Data处理技能和使用仍存在，且它会成为习以为常的现象。
IDC于1月24日发布的一篇猜测证明了大数据商场仍在添加，内容指出
未来几年，全球大数据和剖析软件商场将完成微弱添加，且详细到该板块各细分范畴，未来几年添加率均为双位数。
他表明：数据之所以没发挥价值，其实是商界精英们往往疏忽数据内蕴藏的定论。
自己曾恶作剧，数据科学家的作业其实不是搞剖析，而是为高管们前瞻性观念供给有力证明。（手动狗头）
上一篇:
想要上清华211末流校园计算机专业考研考清华难度有多大？
下一篇:
读研阶段最苦专业排名计算机牵强排第三第一可谓“超长待机”