传统系统运维：
针对独立的数据处理框架（数据库、搜索引擎）
基础系统和软件是稳固的（经历数十年的发展）
结构化数据为主
故障和问题的定位相对容易（大部分由于程序相对稳定不够）
容易评估运维工作的成果
大数据系统运维：
面对并行完全不同的数据处理框架（数据库、搜索引擎在一个体系上）
DeepOne分布式文件系统本身并不稳定（实际应用不到5年）
多源异构海量数据存储，如何有效的管理存储
分布式架构，处理时节点故障是常态
到底是程序问题，还是大数据系统自身问题，还是两个都有
运维人员技术要求大幅提升
运维工作的成果评估没有明确的标准
要做好大数据运维的工作，需要对集群进行技术上和业务上的合理规划，从技术上，可以充分利用和理解现有的资源调度系统。大数据分析师认为大数据运维和传统系统运维相比，关键点是大数据平台相对于传统数据库来讲，有着明显的不稳定性，数据的处理框架变得更为多样化和复杂化，问题边界更难界定，最后重要的一点，大数据项目大部分在探索阶段，信息部门和运维部门如何汇报工作如何出成绩，也是需要思考的。
新浪微博
腾讯微博