VMware のプラットフォームは、従来のアプリケーションに加えて、ビッグ データにも最適です。ビッグ データ用のアプリケーションを仮想化することで、ビッグ データのインフラストラクチャの管理が簡素化され、メリットを享受できるまでの時間が短縮され、費用対効果が高くなります。

ビッグ データとは

ビッグ データの急激な増加には目を見張るものがあり、あらゆるところから、絶え間なく追加され続けています。コンピュータ、スマートフォン、アプライアンス、機器などのシステムやデバイスによって、膨大なデータ セットが作り出され、積み上げられています。

そもそも、ビッグ データとはどのようなものでしょうか。ビッグ データとは、構造化データと非構造化データのセットを指す幅広い言葉です。ビッグ データは非常に大量で複雑なため、従来のデータ処理アプリケーションやシステムでは適切に処理できません。ビッグ データは、予測分析の向上に使用されることが多く、データ セットを分析することで新たな相関関係を検出し、ビジネスの傾向の特定、病気の予防、犯罪撲滅などに役立てます。 

業界のアナリストである Doug Laney 氏は、ビッグ データを次の 3 つの 「V」 で定義しました。

• Volume （データの量）： テラバイト、レコード、トランザクション、テーブル、ファイル
• Velocity （データの速度、頻度）： バッチ、ニア リアルタイム、リアルタイム、ストリーム
• Variety （データの多様性、種類）： 構造化、非構造化、準構造化

Apache Hadoop （Hadoop） は、分散ストレージやビッグ データの処理に使用される、オープン ソースのソフトウェアです。Hadoop は、Cloudera 社、Hortonworks 社、MAPR 社、Pivotal 社などの企業が提供する大規模なディストリビューションにパッケージングおよび組み込まれており、ビッグ データのワークロードの実行に利用されています。

ビッグ データ プロジェクト成功の障壁

企業がビッグ データ プロジェクトの実現において直面する問題には、予算の制約、IT の専門知識不足、プラットフォームの固定化のリスクなどがあります。

予算の制約

Deloitte 社の調査によると、予算の制約とコストの問題が、多くの企業がビッグ データの導入を断念する主な理由となっています。理由から特にビジネスで迅速な投資対効果を上げていない場合、膨大なデータを処理するための新たな IT インフラストラクチャへの投資を正当化することが非常に難しくなります。

IT の専門知識

ビック データのワークロードの処理は、一般的なエンタープライズ アプリケーションのワークロードの処理とは異なります。ビッグ データのワークロードは、連続的ではなく並行して処理します。通常、IT 部門はビジネス クリティカルなワークロードを優先し、優先度が低いタスクは夜間のバッチ処理やキャパシティに余裕のある時間帯にスケジューリングします。ビッグ データの分析では、多くのユースケースをリアルタイムで実行して、分析と対応をリアルタイムで行います。そのため、IT 部門はデータセンターのポリシーを変更して、これらの新たなワークロードを作成、管理、および監視するための新しいツールの使用方法を習得する必要があります。

プラットフォームの固定化

企業は、アプリケーションやデータを実行するため、適切な種類のインフラストラクチャを選択する必要があります。ハードウェアの調達には時間がかかるため、クラウドへの移行は事前検証には適しているかもしれませんが、セキュリティに関する懸念事項と多額のコストを伴うプラットフォームの固定化のリスクが発生します。また、企業はどのベンダーから Hadoop を導入するかを選択する必要があります。Cloudera 社、Hortonworks 社、MAPR 社、および Pivotal 社が、互換性のない競合アーキテクチャを提供しています。決定しなければならないことが多く、一度決定すると方針の転換が困難なため、多くの企業がビッグ データの導入を先延ばしにしています。