Lapisan 1 dari Big Data Stack: Security Infrastructure - dummies

Keperluan keselamatan dan privasi, lapisan 1 dari timbunan data besar, adalah serupa Keperluan untuk persekitaran data konvensional. Keperluan keselamatan haruslah sejajar dengan keperluan perniagaan tertentu. Sesetengah cabaran unik timbul apabila data besar menjadi sebahagian daripada strategi:

• Akses data: Akses pengguna ke data besar yang dikira atau dikira mempunyai tahap tahap keperluan teknikal yang sama seperti pelaksanaan data tidak besar. Data harus disediakan hanya untuk mereka yang mempunyai keperluan perniagaan yang sah untuk memeriksa atau berinteraksi dengannya. Kebanyakan platform storan data teras mempunyai skim keselamatan yang ketat dan ditambah dengan keupayaan identiti bersekutu, menyediakan akses yang bersesuaian merentasi banyak lapisan seni bina.

• Akses aplikasi: Akses aplikasi ke data juga agak mudah dari perspektif teknikal. Kebanyakan antara muka pengaturcaraan aplikasi (API) menawarkan perlindungan daripada penggunaan atau akses yang tidak dibenarkan. Tahap perlindungan ini mungkin mencukupi untuk pelaksanaan data yang paling besar.

• Data penyulitan: Penyulitan data adalah aspek keselamatan yang paling mencabar dalam persekitaran data yang besar. Dalam persekitaran tradisional, penyulitan dan penyahkodan data benar-benar menekankan sumber sistem. Masalah ini diperburuk dengan data besar. Pendekatan yang paling mudah adalah untuk memberikan keupayaan pengkomputeran yang lebih dan cepat. Pendekatan yang lebih sederhana adalah untuk mengenal pasti elemen data yang memerlukan tahap keselamatan ini dan menyulitkan barang-barang yang diperlukan sahaja.

• Pengesanan Ancaman: Kemasukan peranti mudah alih dan rangkaian sosial secara eksponen meningkatkan kedua-dua jumlah data dan peluang untuk ancaman keselamatan. Oleh itu adalah penting bahawa organisasi mengambil pendekatan multiperimeter untuk keselamatan.

Oleh itu, infrastruktur fizikal membolehkan segala-galanya dan infrastruktur keselamatan melindungi semua elemen dalam persekitaran data besar anda. Tahap seterusnya dalam timbunan ialah antara muka yang memberikan akses dua hala kepada semua komponen timbunan - dari aplikasi korporat ke suapan data dari Internet.

Satu bahagian penting dalam reka bentuk antara muka ini ialah penciptaan struktur yang konsisten yang boleh dibahagikan di dalam dan mungkin di luar syarikat serta rakan teknologi dan rakan niaga.

Selama beberapa dekad, pengaturcara telah menggunakan API untuk menyediakan akses kepada dan dari pelaksanaan perisian. Penyedia alat dan teknologi akan berusaha keras untuk memastikan bahawa ia adalah tugas yang agak mudah untuk membuat aplikasi baru menggunakan produk mereka.Walaupun sangat membantu, kadang-kadang diperlukan untuk profesional TI untuk membuat API khusus atau eksklusif eksklusif kepada perusahaan.

Anda mungkin perlu melakukan ini untuk kelebihan daya saing, keperluan yang unik untuk organisasi anda, atau permintaan perniagaan lain, dan bukan tugas mudah. API perlu didokumenkan dan dikekalkan dengan baik untuk mengekalkan nilai kepada perniagaan. Atas sebab ini, sesetengah syarikat memilih untuk menggunakan toolkit API untuk mendapatkan permulaan lompat ke atas aktiviti penting ini.

Toolkit API mempunyai beberapa kelebihan berbanding API yang dibangunkan secara dalaman. Yang pertama adalah bahawa toolkit API adalah produk yang dicipta, diurus, dan diselenggarakan oleh pihak ketiga yang bebas. Kedua, mereka direka untuk menyelesaikan keperluan teknikal tertentu.

Cabaran data yang besar memerlukan pendekatan yang sedikit berbeza terhadap pembangunan API atau adopsi. Oleh kerana kebanyakan data tidak berstruktur dan dihasilkan di luar kawalan perniagaan anda, teknik baru yang dipanggil Natural Language Processing (NLP), muncul sebagai kaedah pilihan untuk interfacing antara data besar dan program aplikasi anda.

NLP membolehkan anda merumuskan pertanyaan dengan sintaks bahasa semulajadi daripada bahasa pertanyaan formal seperti SQL. Bagi pengguna data yang paling besar, lebih mudah untuk bertanya "Senaraikan semua pengguna lelaki yang sudah berkahwin antara 30 dan 40 tahun yang tinggal di Amerika Syarikat tenggara dan peminat NASCAR" daripada menulis pertanyaan SQL 30 baris untuk jawapannya.

Oleh kerana kebanyakan pengumpulan dan pergerakan data mempunyai ciri-ciri yang sangat serupa, anda boleh merekabentuk satu set perkhidmatan untuk mengumpulkan, membersihkan, mengubah, menormalkan, dan menyimpan item data besar dalam sistem storan pilihan anda.

Untuk membuat fleksibiliti sebanyak mungkin, kilang boleh didorong dengan penerangan antaramuka yang ditulis dalam Language Markup Extensible (XML). Tahap abstraksi ini membolehkan antara muka tertentu dibuat dengan mudah dan cepat tanpa keperluan untuk membina perkhidmatan khusus untuk setiap sumber data.

Dalam praktiknya, anda boleh membuat penerangan antara muka aplikasi SAP atau Oracle menggunakan sesuatu seperti XML. Setiap antara muka akan menggunakan perisian asas yang sama untuk memindahkan data antara persekitaran data yang besar dan persekitaran aplikasi pengeluaran tanpa spesifikasi SAP atau Oracle. Sekiranya anda perlu mengumpul data dari laman sosial di Internet, amalan ini akan sama.

Huraikan antara muka ke laman web dalam XML, dan kemudian ambil perkhidmatan untuk memindahkan data ke belakang dan sebagainya. Biasanya, antara muka ini didokumenkan untuk digunakan oleh ahli teknologi dalaman dan luaran.