大家好，今天来为大家分享数据交易平台的开发的一些知识点，和数据交易平台有哪些的问题解析，大家要是都明白，那么可以忽略，如果不太清楚的话可以看看本篇文章，相信很大概率可以解决您的问题，接下来我们就一起来看看吧！

本文目录

1. 数据交易平台有哪些
2. 数据交易所是干嘛的
3. 如何创建一个大数据平台

一、数据交易平台有哪些

数据交易平台是专门提供数据交易以及相关服务的平台。以下是一些知名的数据交易平台：

1.贵阳大数据交易所：这是中国首家挂牌运营的数据交易所，提供数据交易以及与之相关的综合服务。它旨在促进数据流通，规范数据交易行为，维护数据交易市场秩序，保护数据交易各方合法权益。

2.上海数据交易所：这是一个引领全国数据要素市场流通、消费、分配和监管治理的创新平台。上海数据交易所的设立有助于推动数据要素流通、释放数字红利、促进数字经济发展。

3.京东万象：这是京东云旗下的数据交易平台，提供数据交易以及数据API服务。京东万象拥有海量的数据源，覆盖多个领域，可以满足不同类型的数据需求。

这些平台都在数据交易领域有着重要的地位，它们通过提供安全、可靠、高效的数据交易服务，促进了数据的流通和利用，为数据经济的发展做出了重要贡献。

除此之外，还有很多其他的数据交易平台，这些平台可能专注于特定的行业或领域，例如金融数据交易平台、医疗数据交易平台等。这些平台在促进数据流通、推动行业发展方面也发挥着重要作用。

在选择数据交易平台时，需要根据自己的需求和实际情况进行考虑。一些平台可能更适合大型企业或机构，而另一些平台则可能更适合个人或小型企业。同时，还需要注意平台的数据来源、数据质量、数据安全等方面的保障措施，以确保数据交易的合法性和安全性。

二、数据交易所是干嘛的

1、数据交易所形成了一个数商的体系，这个体系里有数据交易主体、数据合规咨询、质量评估、资产评估、交付等多领域，只有把体系建起来，合规的阳光的交易跑起来，大家才会来。它还提供了一整套的数据交易制度，就是针对上文里说的，在这里，可以进行确权，进行数据价格发现与定价，有明确的监管和规则，给数商入场，给交易方建立互信。它还搭了一个全数字化的数据交易系统，保障数据交易全时挂牌、全域交易、全程可溯。它能提供数据产品登记凭证，通过登记凭证和交易凭证的发放，实现一数一码，可登记、可统计、可普查。

2、大数据交易所经营范围包括大数据资产交易、大数据金融衍生数据的设计及相关服务；大数据清洗及建模等技术开发；大数据相关的金融杠杆数据设计及服务；经大数据交易相关的监督管理机构及有关部门批准的其他业务。大数据交易所将为数据商开展数据期货、数据融资、数据抵押等业务，建立交易双方数据的信用评估体系，增加数据交易的流量，加快数据的流转速度。数据品种包括政府、医疗、金融、企业、电商、能源、交通、商品、消费、教育、社交、社会这十二类大数据。

3、全国首家大数据交易所——贵阳大数据交易所2015年4月15日正式挂牌，并完成了与深圳市腾讯计算机系统有限公司、广东省数字广东研究院，买方为京东云平台、中金数据系统有限公司的首批数据交易。首批数据交易的完成，标志着全国首个大数据交易所正式投入运营。同时，在交易所平台基础上，大数据领域的相关专家、学者、企业等多方共同组建大数据交易商联盟，首期对接的企业包括阿里巴巴、苏宁易购、国美在线等100多家企业。全国首家大数据交易所的成立，将诞生一个万亿级别的交易市场，大数据产业链将开启“贵阳模式”，预计在未来3至5年，交易所日交易额将突破100亿元。

三、如何创建一个大数据平台

1、所谓的大数据平台不是独立存在的，比如百度是依赖搜索引擎获得大数据并开展业务的，阿里是通过电子商务交易获得大数据并开展业务的，腾讯是通过社交获得大数据并开始业务的，所以说大数据平台不是独立存在的，重点是如何搜集和沉淀数据，如何分析数据并挖掘数据的价值。

2、我可能还不够资格回答这个问题，没有经历过一个公司大数据平台从无到有到复杂的过程。不过说说看法吧，也算是梳理一下想法找找喷。

3、曾经听过spotify的分享，印象很深的是，他们分享说，他们的hadoop集群第一次故障是因为，机器放在靠窗的地方，太阳晒了当机了（笑）。从简单的没有机房放在自家窗前的集群到一直到现在复杂的数据平台，这是一个不断演进的过程。

4、对小公司来说，大概自己找一两台机器架个集群算算，也算是大数据平台了。在初创阶段，数据量会很小，不需要多大的规模。这时候组件选择也很随意，Hadoop一套，任务调度用脚本或者轻量的框架比如luigi之类的，数据分析可能hive还不如导入RMDB快。监控和部署也许都没时间整理，用脚本或者轻量的监控，大约是没有ganglia、nagios，puppet什么的。这个阶段也许算是技术积累，用传统手段还是真大数据平台都是两可的事情，但是为了今后的扩展性，这时候上Hadoop也许是不错的选择。

5、当进入高速发展期，也许扩容会跟不上计划，不少公司可能会迁移平台到云上，比如AWS阿里云什么的。小规模高速发展的平台，这种方式应该是经济实惠的，省了运维和管理的成本，扩容比较省心。要解决的是选择平台本身提供的服务，计算成本，打通数据出入的通道。整个数据平台本身如果走这条路，可能就已经基本成型了。走这条路的比较有名的应该是netflix。

6、也有一个阶段，你发现云服务的费用太高，虽然省了你很多事，但是花钱嗖嗖的。几个老板一合计，再玩下去下个月工资发布出来了。然后无奈之下公司开始往私有集群迁移。这时候你大概需要一群靠谱的运维，帮你监管机器，之前两三台机器登录上去看看状态换个磁盘什么的也许就不可能了，你面对的是成百上千台主机，有些关键服务必须保证稳定，有些是数据节点，磁盘三天两头损耗，网络可能被压得不堪重负。你需要一个靠谱的人设计网络布局，设计运维规范，架设监控，值班团队走起7*24小时随时准备出台。然后上面再有平台组真的大数据平台走起。

7、然后是选型，如果有技术实力，可以直接用社区的一整套，自己管起来，监控部署什么的自己走起。这个阶段部署监控和用户管理什么的都不可能像两三个节点那样人肉搞了，配置管理，部署管理都需要专门的平台和组件；定期Review用户的作业和使用情况，决定是否扩容，清理数据等等。否则等机器和业务进一步增加，团队可能会死的很惨，疲于奔命，每天事故不断，进入恶性循环。

8、当然有金钱实力的大户可以找Cloudera，Hortonworks，国内可以找华为星环，会省不少事，适合非互联网土豪。当然互联网公司也有用这些东西的，比如Ebay。

9、接下去你可能需要一些重量的组件帮你做一些事情。

10、比如你的数据接入，之前可能找个定时脚本或者爬log发包找个服务器接收写入HDFS，现在可能不行了，这些大概没有高性能，没有异常保障，你需要更强壮的解决方案，比如Flume之类的。

11、你的业务不断壮大，老板需要看的报表越来越多，需要训练的数据也需要清洗，你就需要任务调度，比如oozie或者azkaban之类的，这些系统帮你管理关键任务的调度和监控。

12、数据分析人员的数据大概可能渐渐从RDBMS搬迁到集群了，因为传统数据库已经完全hold不住了，但他们不会写代码，所以你上马了Hive。然后很多用户用了Hive觉得太慢，你就又上马交互分析系统，比如Presto，Impala或者SparkSQL。

13、你的数据科学家需要写ML代码，他们跟你说你需要Mahout或者Spark MLLib，于是你也部署了这些。

14、至此可能数据平台已经是工程师的日常工作场所了，大多数业务都会迁移过来。这时候你可能面临很多不同的问题。

15、比如各个业务线数据各种数据表多的一塌糊涂，不管是你还是写数据的人大概都不知道数据从哪儿来，接下去到哪儿去。你就自己搞了一套元数据管理的系统。

16、你分析性能，发现你们的数据都是上百Column，各种复杂的Query，裸存的Text格式即便压缩了也还是慢的要死，于是你主推用户都使用列存，Parquet，ORC之类的。

17、又或者你发现你们的ETL很长，中间生成好多临时数据，于是你下狠心把pipeline改写成Spark了。

18、再接下来也许你会想到花时间去维护一个门户，把这些零散的组件都整合到一起，提供统一的用户体验，比如一键就能把数据从数据库chua一下拉到HDFS导入Hive，也能一键就chua一下再搞回去；点几下就能设定一个定时任务，每天跑了给老板自动推送报表；或者点一下就能起一个Storm的topology；或者界面上写几个Query就能查询Hbase的数据。这时候你的数据平台算是成型了。

19、当然，磕磕碰碰免不了。每天你都有新的问题和挑战，否则你就要失业了不是？

20、你发现社区不断在解决你遇到过的问题，于是你们架构师每天分出很多时间去看社区的进展，有了什么新工具，有什么公司发布了什么项目解决了什么问题，兴许你就能用上。

21、上了这些乱七八糟的东西，你以为就安生了？Hadoop平台的一个大特点就是坑多。尤其是新做的功能新起的项目。对于平台组的人，老板如果知道这是天然坑多的平台，那他也许会很高兴，因为跟进社区，帮忙修bug，一起互动其实是很提升公司影响力的实情。当然如果老板不理解，你就自求多福吧，招几个老司机，出了问题能马上带路才是正道。当然团队的技术积累不能不跟上，因为数据平台还是乱世，三天不跟进你就不知道世界是什么样了。任何一个新技术，都是坑啊坑啊修啊修啊才完善的。如果是关键业务换技术，那需要小心再小心，技术主管也要有足够的积累，能够驾驭，知道收益和风险。

关于本次数据交易平台的开发和数据交易平台有哪些的问题分享到这里就结束了，如果解决了您的问题，我们非常高兴。