數(shù)據(jù)的爆炸式增長(zhǎng)掀起了大數(shù)據(jù)的研究熱潮，越來越多的應(yīng)用領(lǐng)域涉及到大數(shù)據(jù)的處理和存儲(chǔ)，其所蘊(yùn)藏的科學(xué)價(jià)值和商業(yè)價(jià)值逐漸體現(xiàn)。為了挖掘大數(shù)據(jù)中隱藏的知識(shí)，各種大數(shù)據(jù)系統(tǒng)應(yīng)運(yùn)而生，例如Hadoop、MapReduce、Hive、Spark等。如何客觀地評(píng)價(jià)眾多的大數(shù)據(jù)系統(tǒng)以及從中選擇適合自身需求的系統(tǒng)成為學(xué)術(shù)界和工業(yè)界普遍關(guān)心的問題，大數(shù)據(jù)工業(yè)界和研究社區(qū)迫切需要一套公認(rèn)的大數(shù)據(jù)評(píng)測(cè)基準(zhǔn)。

Jim Gray認(rèn)為：特定領(lǐng)域的評(píng)測(cè)基準(zhǔn)應(yīng)選擇典型應(yīng)用，并滿足領(lǐng)域內(nèi)應(yīng)用的多樣性。據(jù)此他進(jìn)一步提出了一套成功的評(píng)測(cè)基準(zhǔn)需要滿足的４個(gè)條件：系統(tǒng)相關(guān)性、可移植性、可擴(kuò)展性和簡(jiǎn)單。其中，系統(tǒng)相關(guān)性是指能夠評(píng)測(cè)領(lǐng)域相關(guān)的系統(tǒng)性能，包括系統(tǒng)的峰值性能，性價(jià)比等；可移植性是指評(píng)測(cè)基準(zhǔn)能夠移植到不同的平臺(tái)上，易于在不同的系統(tǒng)和架構(gòu)上實(shí)現(xiàn)；可擴(kuò)展性是指能夠適應(yīng)不同的系統(tǒng)規(guī)模；簡(jiǎn)單是指評(píng)測(cè)基準(zhǔn)易于理解，評(píng)測(cè)結(jié)果具有可靠性。

參考Gray提出的４條標(biāo)準(zhǔn)，并結(jié)合大數(shù)據(jù)海量、高速、多樣的特性，我們提出了針對(duì)大數(shù)據(jù)領(lǐng)域的評(píng)測(cè)基準(zhǔn)需要滿足的需求。

可代表性

大數(shù)據(jù)領(lǐng)域具有非常廣的覆蓋范圍，信息時(shí)代的來臨使得越來越多的應(yīng)用領(lǐng)域涉及到大數(shù)據(jù)的處理和存儲(chǔ)，因此一個(gè)完整而全面的評(píng)測(cè)基準(zhǔn)不可能一蹴而就。如何盡可能提高負(fù)載覆蓋度又不失評(píng)測(cè)的簡(jiǎn)易性是很大的挑戰(zhàn)，這也就要求評(píng)測(cè)基準(zhǔn)具有領(lǐng)域代表性。
我們認(rèn)為大數(shù)據(jù)領(lǐng)域的代表性主要體現(xiàn)在３個(gè)方面：

①代表性負(fù)載。

眾所周知，目前應(yīng)用領(lǐng)域極其繁多，領(lǐng)域之間有一定的共有特性，但每個(gè)領(lǐng)域有其獨(dú)特性，因此應(yīng)用領(lǐng)域和負(fù)載的代表性在一定程度上也就決定了評(píng)測(cè)基準(zhǔn)的代表性；

②代表性數(shù)據(jù)。

大數(shù)據(jù)領(lǐng)域與傳統(tǒng)數(shù)據(jù)庫(kù)等領(lǐng)域的一個(gè)顯著區(qū)別即是數(shù)據(jù)類型多元化，傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)不再占據(jù)主導(dǎo)地位，半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)爆炸性增長(zhǎng)，因此評(píng)測(cè)基準(zhǔn)不能忽略復(fù)雜而多樣的數(shù)據(jù)類型；

③代表性軟件棧。

數(shù)據(jù)迅猛增長(zhǎng)催生了眾多的大數(shù)據(jù)處理和存儲(chǔ)系統(tǒng)，然而不同的軟件棧對(duì)大數(shù)據(jù)負(fù)載的行為特征具有很大的影響，因此大數(shù)據(jù)評(píng)測(cè)基準(zhǔn)需要涵蓋代表性軟件棧。

可移植性

大數(shù)據(jù)評(píng)測(cè)基準(zhǔn)不僅需要能夠縱向地評(píng)測(cè)大數(shù)據(jù)系統(tǒng)，而且需要能夠?qū)Σ煌�的系統(tǒng)進(jìn)行橫向的對(duì)比。這就要求相同的負(fù)載能夠提供不同的實(shí)現(xiàn)方式，評(píng)測(cè)基準(zhǔn)能夠便利地移植到其他平臺(tái)。為了使不同的實(shí)現(xiàn)方式具有公平的可比性，針對(duì)不同平臺(tái)的實(shí)現(xiàn)，需要具有相同的輸入和輸出，以及相同的算法處理邏輯。如今，一系列針對(duì)大數(shù)據(jù)處理和存儲(chǔ)的開源產(chǎn)品被發(fā)布，例如MapReduce、Spark等，所以在評(píng)測(cè)基準(zhǔn)的實(shí)現(xiàn)過程中需要考慮基于這些不同的軟件棧的實(shí)現(xiàn)。

可擴(kuò)展性

大數(shù)據(jù)評(píng)測(cè)基準(zhǔn)需要提供可擴(kuò)展的數(shù)據(jù)集和負(fù)載。大數(shù)據(jù)的一個(gè)顯著特征即是數(shù)據(jù)量大，單一節(jié)點(diǎn)的存儲(chǔ)已逐步轉(zhuǎn)變成分布式存儲(chǔ)，因此評(píng)測(cè)基準(zhǔn)所提供的數(shù)據(jù)和負(fù)載需要適應(yīng)不同規(guī)模的平臺(tái)。然而如今大多數(shù)的大數(shù)據(jù)持有者視數(shù)據(jù)為重要的商業(yè)機(jī)密，因而能夠提供符合真實(shí)數(shù)據(jù)特性的可擴(kuò)展數(shù)據(jù)集是大數(shù)據(jù)評(píng)測(cè)基準(zhǔn)重要而基本的需求。

可理解性

評(píng)測(cè)基準(zhǔn)需要具有簡(jiǎn)易性，易于理解，并易于部署和評(píng)測(cè)，同時(shí)評(píng)測(cè)結(jié)果能夠指導(dǎo)系統(tǒng)的評(píng)價(jià)、改進(jìn)和優(yōu)化。然而，大數(shù)據(jù)系統(tǒng)本身非常復(fù)雜。僅僅從簡(jiǎn)單性的角度來選擇典型負(fù)載，可能會(huì)使基準(zhǔn)程序喪失代表性。因此，我們用可理解性來取代原有的簡(jiǎn)單性需要。可理解性有３點(diǎn)含義：能從基本操作單元和負(fù)載模式的角度理解典型負(fù)載；評(píng)測(cè)結(jié)果需要簡(jiǎn)單直觀，評(píng)測(cè)人員能夠根據(jù)負(fù)載的特性分析結(jié)果的合理性并判斷系統(tǒng)的瓶頸或者優(yōu)劣；評(píng)測(cè)結(jié)果需要具有穩(wěn)定性，其結(jié)果必須是可靠的并且可重現(xiàn)的。

大數(shù)據(jù)系統(tǒng)的蓬勃發(fā)展催生了大數(shù)據(jù)基準(zhǔn)測(cè)試的研究，如何公正地評(píng)價(jià)不同的大數(shù)據(jù)系統(tǒng)以及怎樣根據(jù)需求選取合適的系統(tǒng)成為了熱點(diǎn)問題。大家在使用的過程中，不妨也動(dòng)腦筋想一想，為什么選擇這些系統(tǒng)？按照評(píng)測(cè)的基準(zhǔn)還有哪些系統(tǒng)也值得了解？這樣你的編程之旅才不容易迷茫。