主题：我所了解的中国“棱镜”情况 -- 汴梁牛二

这个量对大数据体系来说倒不是很大，我现在给用户搭的一个实验系统，已经过了10亿的测试，正在做百亿的测试，当然不是每天的量。每天大概是几个亿吧。

重点是后面的解码、关联、分析。要考虑时效性和具体要执行的操作。如果在分钟级或者更长的粒度上，或者是批处理型任务，解决方案还是比较多的。有很多用hadoop做前端ETL的，效果不错。至于关联分析，这个概念现在炒的比较多，但不少都是基于查询、统计的，再加上一些行业数据建模等，这个很多都是基于M/R来作的，现在也有在尝试MPP的。其实主要看时效和任务类型吧。真正要秒级或者多维查询等，还是要下些功夫的。真正的分析，包括预测等，现在需求很多，但做的好的，特别是行业应用做的好的，还真不太多。个人认为，主要是行业know-how大家都是空白，这个需要数据分析师、算法工程师等一起努力了。至于工具，其实反倒不少。