Jenis Teknologi Big Data

Big Data adalah kumpulan data yang begitu besar dan kompleks. Dan tidak bisa dikelola dengan software yang sederhana. Teknologi Big Data ada dua jenis teknologi yaitu: (1) Big Data operasional dan (2) Big Data analitis. Kerja operasional dan analitis Big Data berakibat pada kebutuhan sistem yang berlawanan.

Sistem Big Data sudah berevolusi untuk menangani kedua jenis kerja tersebut secara khusus. Namun, kehadiran kedua jenis teknologi Big Data ini bisa saling mendukung. Disini akses data terhadap sistem operasional dapat dilakukan dengan berbagai pilihan kriteria.

Kliik juga

• Mengenal Manfaat Big Data Untuk Keperluan Bisnis

• 7 Contoh Pengaplikasian Big Data

• Python : Bahasa Pemrograman Hits Untuk machine learning, Internet of Things dan Pengelolaan Data

Disisi lain, pihak sistem analitis cenderung fokus pada penanganan arus data yang lebih besar. Query-query yang ditujukan pada data tersebut bisa sangat rumit. Setiap kali dieksekusi dapat melibatkan keseluruhan data yang ada dalam sistem.

Baik sistem operasional maupun analitis, keduanya dioperasikan dengan melibatkan sejumlah server yang tergabung dalam suatu cluster komputer. Serta dipakai untuk mengelola ratusan terabytes data.

1. Teknologi Big Data Operasional

Big Data operasional merupakan sistem dengan kapabilitas operasional bersifat real time. Pekerjaan Big Data Operasional dilakukan dengan membuat sistem Big Data dengan database NoSQL. Yang terdiri dari berbagai tipe aplikasi, database key-value stores, column family stores, dan database graph untuk memaksimalkan aplikasi.

Teknologi NoSQL hadir untuk menyelesaikan masalah dari database relasional di lingkungan komputasi modern. Teknologi ini terkenal lebih cepat, mudah dan murah dalam peningkatan skala dibanding relational database. Hal ini memungkinkan pengoperasian komputasi berskala besar lebih efisien, murah dan cepat

2. Teknologi Big Data Analitis

Big Data analitis menyediakan kapabilitas mengerjakan analisis yang rumit. Dalam pengerjaannya melibatkan sebagian besar atau bahkan keseluruhan data. Hadirnya teknologi ini merupakan dampak dari kurangnya kemampuan mengelola relational database tradisional dalam skala lebih dari satu server.

Sebagai pelengkap SQL, MapReduce juga menawarkan metode baru dalam menganalisa data. Dampak dari popularitas penggunaan berbagai jenis aplikasi dan  penggunanya terus menerus memproduksi data dari pemakaian aplikasi tersebut.

Terdapat upaya analisa retrospektif untuk memebrikan nilai terhadap kemajuan bisnis. Ketika upaya melibatkan algoritma yang lebih kompleks, MapReduce menjadi pilihan pertama untuk analisa retrospektif.