在如今的IT圈里，谈论最多的话题非大数据莫属。如果你不谈大数据，那么别人就会认为你OUT了。相信对于现在的大多数人来说，可能张口都能说出来大数据的4个“V”的涵义，当然讨论最多的依然还是大数据的价值。今天我们不谈论大数据的特点与价值，我们来谈谈大数据对IT行业的影响。

大数据对系统架构的影响

大数据时代来临，数据呈现几何方式增长，传统的存储架构已经很难满足用户的需求。在之前，人们对设备的扩展方式更多的采用Scale Up扩展方式，这种方式对系统的性能提高有一定的限制。于是，Scale Out扩展方式迅速成为了人们关注的技术。下面我们来看一下这两种技术：

Scale Up：也被我们成为纵向扩展方式，这种方式一般是通过增加处理器的方式来对运算资源进行升级，以达到应用对性能的需求。但是这样带来的方式就是系统不断的更新，但是升级费用会越来越贵。不但造成资源的浪费，同时这种方式对系统的提升也有一定的限制。这当中的代表当属IBM zSeries大型机。

Scale Out：纵向扩展方式，这种方式是使用靠增加独立的设备来增加系统的运算能力，企业可以根据业务需求增加不同的服务器和存储应用，依靠多台服务器、存储设备的协同运算，并且借助负载均衡以及容错等功能来提升系统的运算能力及可靠性。

在大数据来临的时候，数据正在非常的快，Scale up的扩展方式已经很难满足快速增长的业务需求，而采用scale out存储系统，一切似乎变得简单多了。部署工作大大简化，储存架构达到上亿级。另外Scale up架构每加一个结点进来，性能和容量同时增长，不会影响原有使用。用户按需采购存储，一旦容量不够了，再购置一台接到原有存储上就可以了。

大数据的快速发展，使得原本一直不温不火的数据中心迎来了发展良机，scale out扩展方式让数据中心可以利用与以往打不通的解决方案来优化原始的计算方式。

人们发现，原本一直不断提升处理器性能的英特尔也开始意识到高性能不再是用户关注的主要方向，人们将人们将目标瞄向了数据中心的整体效率方面，试图来降低提高数据中心的总体成本和整体效率。

于是，我们看到了一些低功耗的处理器的崛起，无论是Atom以及ARM处理器，无疑都证明了，如今，低功耗的处理器已经迎来了越来越多的关注。

除了人们对处理器的性能追求的改变，对服务器的样式也正在发生变化，原本人们认为服务器的发展将是越来越集中，计算密度更大的服务器将是人们未来选择的主流方向，于是，四路服务器、刀片服务器等高密度服务器在前些年迅速发展。

但如今，人们发现，并不是计算密度越大就越好，在如今的数据中心中，双路以及单路服务器反而是用户最喜欢的方式。而且单路服务器正以快速的发展进入数据中心。

为何人们对单路服务器情有独钟呢？这主要在应用中，人们发现，双路或多路服务器虽然能够节省机房的费用，但是在如今的数据中心中，软件的费用是按核心数来收费的，采用双路和多路服务器的情况下，软件费用要比采用单路服务器达到同样性能的费用要高很多。

总结：大数据对IT基础架构的改变，对于厂商来说，是需要注意的，毕竟在大数据毕竟来临的时候，抓住这个增长的时机，对于IT厂商来说，非常重要。决定着企业的成败。