未來企業業務都是智能化的，且都是基于數據的。根據IDC白皮書《數據時代2025》預測，2025年全球的數據總量將會升至175ZB，且超過25%的數據將成為實時數據，規模化數據智能時代即將到來。

企業數據平臺的建設將成為數據價值呈現的關鍵因素，從而推動全行業探索新一代實時數據智能平臺，并基于云原生技術的中立性大幅度提升企業一線部門的數據應用效能。

滴普科技自主研發的FastData，核心愿景是打造低成本、高性能、易使用的一站式云原生數據平臺底座，幫助企業從BI到AI實現數據驅動業務的數字化轉型。

本文是關于新一代云原生數據智能平臺FastData的開篇，接下來，我們會用8個專題詳細介紹FastData的相關能力，每周推送一篇，幫助大家進一步了解FastData的細節和場景。

FastData通過一站式數據智能服務能力，解決企業技術架構和數據架構固有的成本問題和復雜問題，加強業務與技術團隊更高效的協作和創新。

即便忽略人工智能規模化應用的挑戰，大數據平臺的建設也是企業的一件大事情：數據處理過程中將部署大規模數量的機器，與此同時，使用Hadoop等技術組件的選型對企業技術人員的能力要求都是巨大的挑戰。

回歸本質，企業要想更好地使用數據，應該聚焦在快速的數據融合與分析預測上，而不是把精力浪費在數據技術的選擇及大規模機器的部署維護。

一家企業要想擁有大量繁多而有深度的技術專家：諸如OLAP數據庫專家、分布式系統專家、多語言開發工程師，XXX-SQL工程師……這也是不可想象的。出于這樣的目的，FastData提供的一站式數據智能平臺，就能夠方便企業低門檻且便捷地使用數據。

如果把時間拉長到3至5年之后，大數據和人工智能必定會緊密配合，它們之間的協同能力將對企業的智能應用起到決定性作用。在“Hidden Technical Debt in Machine Learning Systems”(機器學習系統中隱藏的技術債務）論文中，Google認為：在任何人工智能系統應用過程中，絕大多數不是算法的聰明與否，而是圍繞這些算法的“管道”，即數據收集、清洗、驗證等基礎設施的到位程度，這樣才能有效支撐你想做到的任何機器學習。

在AI/ML場景中，更多的數據將比更智能的算法對企業更有價值，尤其對于頂級的互聯網公司來看，大數據處理的基礎設施已經是核心部分，AI/ML帶來價值只是時間問題。

1. 統一流式處理

相比傳統的Lambda架構，FastData采用的Kappa Plus架構可實現一套架構同時滿足流和批的處理，尤其面向未來，大多數BI或數據分析場景都是需要實時性的。因此，統一的架構一方面簡化了企業的數據基礎設施，更有效地利用資源；另一方面，也消除了原來Lambda架構下對企業人員技能要求過多的問題。

2. 支持多模數據的存儲與分析

對企業來說，未來更多智能業務將基于計算機視覺、語音和文本挖掘的ML/AI，FastData可用于存儲、優化、分析和訪問多種新數據應用所需的數據類型。FastData提供端到端的數據能力，使得包括數據科學、機器學習以及SQL分析在內的多種差距很大的應用，采用統一的數據存儲和調度執行方案。

FastData SQL 對多維度數據的支持，更進一步屏蔽了許多繁瑣的非結構化數據處理過程，極大提升數據處理的體驗。

3.云原生架構

面對企業上云的需求，FastData堅持云中立的理念，采用云原生的技術架構，對于不同公有云廠商和私有云環境，提供無差別的PaaS服務，保證企業投資的有效性和延續性。

4.事務支持

企業內許多數據的處理過程通常會并發讀寫數據，對ACID事務的支持確保了多方并發讀寫數據的一致性問題。

5.數據治理和執行的工具箱

FastData提供一站式的數據采集、加工、開發、管理服務，支持完整數據治理和演進模式，支持DW模式架構，同時能對數據完整性和血緣關系等進行推理分析，并執行安全穩健的審計機制。

6.存儲計算分離

在實際部署中，FastData采用獨立的存儲和計算集群，它們都能獨立擴展支持更大的用戶并發和數據量，資源按需使用進一步降低成本。

7.開放性

FastData支持的存儲格式是開放式和標準化的，并提供API讓各種工具和上層計算引擎有效地直接使用數據，包括機器學習的Python庫。

8. ABI支持

FastData支持直接在源數據上對接各種ABI工具，降低傳統的數倉場景下多個數據副本的成本。

FastData是為解決規模化機器學習和深度學習場景下帶來的海量數據挑戰問題，而研發的新一代PB級實時數據平臺，并采用云原生的架構實現低成本、高性能的設計理念。FastData的目標是成為企業快速構建其數據分析和數據科學相關的各種智能應用的一站式數據平臺底座。