一些客户认为大数据从根本上与云息息相关。事实上，大数据通常作为云的杀手级应用程序出售。大数据领域显然非常庞大，包括惊人的计算速度和海量信息。公共云平台提供了巨大的资源灵活性，这使得处理如此海量的信息变得高效且经济。虽然一般公共云在涉及大数据的地方有几个积极的优势，但不能打折像专用服务器集群这样的裸机基础设施。
什么构建了一个好的大数据平台？
当然是可衡量性。然而，这不是唯一的必要。经济的大数据处理依赖于快速处理大量信息的灵活性。如果大数据应用程序受到“缓慢的输入/输出”的瓶颈，那么它们将无法以理想的方式完成所需的任务。更准确地说，大数据应用程序应该准备好访问物理服务器将提供的所有设施。
减少替代应用程序（包括虚拟机管理程序和各种来宾操作系统）的开销有助于最大限度地减少基础设施投资，而基础设施投资几乎是高效大数据处理所必需的。为此，Spark 和 Hadoop 等应用程序可以使用提供给它们的所有处理能力和专用内存，从而减少开销。
裸机服务器方法是应对大数据挑战的答案，大数据需要频繁导入大量信息、应用插入和对信息进行各种更新，并执行快速分析并近乎即时地导出结果，例如检查可行性跨社交网络平台或大型电子商务网站的任务。简而言之，裸机服务器在依赖大量输入或输出的大数据活动中大放异彩。
当然，在测量数据输入/输出速率的任何地方，现代云平台都不会懈怠。他们会将信息从一个空间快速传输到另一个空间，但即使在这种情况下，由于专用硬件，使用裸机服务器框架实现的速度似乎更快。
裸机胜过云——尤其是对于大数据
更清楚地说，我并不是说云是分析和处理大数据工作负载的糟糕选择。通用公共云将为大数据分析带来的可衡量优势有很多值得赞赏的地方。但是，我确实认为，一旦组织开始考虑为各种大数据应用程序部署 Bare Metal Server 框架，各种公共云托管平台将不会是唯一的选择。
企业应该考虑每个用例的相对好处。您的特定应用程序是否会从公共云中获益，或者从专用裸机服务器的更低延迟和更高服务器效率中获益？
值得一提的是，现代Bare Metal 或专用服务器集群平台虽然不像云平台那样具有弹性，但通常被设计为可以快速扩展或缩减。如果企业需要维持长期的大数据应用，部署专用裸机服务器作为主要硬件将是一种有效的策略。
