企业一直在收集越来越多的数据，目的是挖掘见解和创造价值。然而，尽管有一些创新型公司能够成功地利用大数据，但大数据的预期回报仍然是许多企业无法企及的。apachespark是在大数据领域出现的一个显著且快速发展的开源技术。Spark是一个开源的数据处理框架，它是为速度、易用性和可伸缩性而构建的。它的许多好处在于它如何将关键的数据分析功能（如SQL、机器学习和流媒体）统一到一个框架中。这使企业能够同时实现大规模的高性能计算，同时简化其数据处理基础设施，避免了将许多不同的、困难的工具与单一功能强大但简单的替代工具进行集成的困难。虽然Spark似乎有潜力解决企业面临的许多大数据挑战，但许多企业仍在苦苦挣扎。为什么？因为从大数据中获取价值需要数据处理之外的能力；企业发现，在运营其数据管道的过程中存在许多挑战。首先是基础设施问题，要求数据团队预先调配、设置和管理本地群集，这既昂贵又耗时。在解决了迫在眉睫的基础设施挑战之后，企业仍然必须面对难以使用的原始工具，因为处理数据、代码和可视化需要在不同的软件之间切换。这些工具还迫使个人各自为政，扼杀了合作，使工作的分享和与组织其他成员交流见解变得困难。在这种典型的场景中，企业被迫承担在Spark之上构建定制功能的艰巨任务，以便将其作为一个有效的数据平台进行操作。这严重降低了数据分析团队的生产力，降低了他们专注于核心任务的能力，并使每个大数据项目极易失败。事实上，Gartner指出，"到2017年，60%的大数据项目将无法超越试点和试验，将被放弃。"企业不需要尝试在内部操作Spark，而是可以从获得Spark以及在一个易于部署、易于学习并提供开箱即用的丰富工具集的包中实现它所需的功能中获益。Databricks云的关键特性之一是它能够在统一的云托管数据平台中为企业提供Spark as-a-service。Databricks云提供完全管理的Spark集群，可以在几秒钟内动态地伸缩。这使企业能够专注于从数据中提取价值，而不是将宝贵的资源用于运营。除了Spark as-a-service，Databricks云还包括企业所需的其他关键组件，以全面开发、测试、部署和管理从原型到生产的端到端数据管道，无需重新设计。其中包括：一个用于探索和可视化的交互式工作区，使团队能够在一个简单易用的环境中学习、工作和协作；生产流水线调度器，帮助项目从原型到生产而无需重新设计；一个可扩展的平台，使组织能够将现有的数据应用程序与Spark连接起来，以传播大数据的力量。有了这些关键组件，企业可以无缝地从数据接收过渡到勘探和生产，同时利用Spark的力量。他们将能够克服阻碍Spark运营能力的现有瓶颈，转而专注于从数据中寻找答案，构建数据产品，最终实现大数据所承诺的价值。免费试用Databricks。今天就开始吧