查看我们的大数据云技术报告，了解完整故事。

云是一项令人兴奋的范式转换技术。它充满希望和潜力。从降低运营成本到简化业务流程再到创新产品周期，迁移到云对大多数现代组织来说都是一个极具吸引力的前景。

然而，在云中采用大数据并非没有挑战。迁移后的问题甚至困扰着最稳定和健全的企业。在许多情况下，这些挑战导致迁移结果不佳——甚至失败。

我们调查了 750 家企业，以确定他们如何在云中部署大数据工作负载、他们遇到的挑战以及他们寻求的解决方案。

云计算已成为业务增长和成功的关键支柱，大量企业将其关键流程和应用程序从本地模型迁移到云端就表明了这一点。到2022年底，全球90%以上的商业组织将采用大数据云技术，实施混合云战略。

Gartner 副总裁分析师 Mike Cisek 指出，云采用的一个主要驱动力是在减少支出的同时实现数字化转型。云计算即使不能消除，也能减少与硬件维护和维护相关的成本。

企业迁移到云端的关键流程之一是大数据。组织在云中存储、管理和分析他们的大数据，主要是因为云能够处理来自不同来源的大量原始信息。

这就是为什么可扩展性位居采用的首要驱动因素之列。企业可以扩展他们的云基础设施，以保持他们的大数据进程以最佳速度运行。大数据堆栈根据实时要求自动扩展或压缩其计算资源，确保工作负载平稳运行。

云计算通过控制不同的业务系统、统一运营孤岛和自动化时间密集型流程来推动业务敏捷性。有了大数据云流程，企业可以在不影响质量的情况下以最具成本效益的方式快速适应新流程。

这些是云中大数据技术最受吹捧的一些好处。然而，迁移到云端并利用大数据可能比看起来更棘手。

虽然大多数企业都希望在迁移到云后看到他们的运营成本大幅降低，但许多企业还是感到震惊。他们的云支出实际上已经超过了他们最初的预算。

如果云计算旨在降低成本，为什么 80% 的企业会过度分配云计算？

云支出增加的一个主要驱动因素是从资本支出向运营支出的转变。在资本支出模型中，预算很容易确定和分配。相比之下，随着运营需求的变化，OpEx 模型更加棘手，使企业难以定义他们的支出。无限的云资源和基于云的支出治理框架的缺失使组织很容易超支。

自动缩放已被宣传为一种减少云支出的方法，可确保云中的大数据堆栈在流量激增时拥有足够的资源。自动缩放的总体好处是消除了在流量激增时提供额外计算资源的手动干预。

但是，AWS 等云提供商设置的默认自动缩放配置可能会导致更多的云支出。在大多数情况下，云基础架构会根据峰值要求过度配置计算资源。虽然这种方法可以保证一旦流量增加就有可用的计算资源，但这也意味着在流量低于预期的事件期间浪费了大量资源。

如果无法了解云中的大数据堆栈，企业会发现很难全面优化其 IT 基础架构、快速发现问题、解决问题并减少停机时间。整体基础架构性能因此受到影响，导致他们无法满足其 SLA。