云原生在2020年成为备受瞩目的热词，云原生在确保企业数字化转型中资源快速供给的同时，还能做到敏捷的应用开发、交付运维能力，加速企业的敏捷创新，是企业数字化转型、智能化升级的必经之路。

早期，云原生只是提出了一些相关的技术，包括开源、容器、微服务、编排工具等，并没有给出一个关于云原生的具体定义，各厂商根据自身的理解对云原生进行探索和实践。历经五年的野蛮生长，云原生技术和产业得到了长足的发展，现如今，云原生已被各行业广泛接受，加速进入云原生2.0时代。在这个全新时代，数据作为云原生体系中的重要生产资料，如何发挥出数据大的价值成为客户迫切需要解决的问题。

传统大数据平台面临的困境

随着各行各业的大数据系统的建立，企业需要从海量数据发掘数据价值服务于客户。而大数据平台，已逐步进入客户的生产系统中，发挥至关重要的作用。伴随云原生概念的火热，业务敏捷性的需求，传统大数据平台在应对时渐露疲态，集中表现在以下三个方面：

1.硬件集采，配置不合理

目前，企业依然以统一采购硬件的方式为主，配置的框架固定，未考虑大数据在不同场景中对资源的不同诉求，例如离线分析高CPU使用率，实时分析高内存和CPU使用率，全文检索高IO等使用服务器资源的特点，造成集采服务器配置与所需配置存在矛盾，易造成资源浪费。

同时，硬件异构，不同厂家的硬件，对于操作系统、大数据软件甚至一个小的工具的异构兼容不统一，造成硬件不可复用，维护管理成本居高不下。

2.手工部署，效率低

大数据部署、调优方案相对复杂，手工部署的步骤多，导致周期长、成本高。从方案设计到部署安装调优完成，往往需要20多个环节，一个30节点规模的集群，至上线交付至少需要1个月。

同时，传统大数据基础环境的安装存在大量重复性操作，例如安装网络、OS、硬盘RAID方案、分区等，手工部署操作不仅容易出错，且效率不高，每天安装速度仅在10-15节点。

3.资源弹性不足

伴随数据量的激增，大数据集群几乎每年都需扩容一次，但传统大数据在扩容时不够敏捷，政企客户在扩容时需先申报，再采购，等设备到位后才进行安装部署扩容，完成整个过程至少需要3个月，超长的等待周期无法满足高速变化的业务诉求。

同时，传统大数据集群的资源独占、不共享，资源弹性不足，在业务高峰时无法借用其他闲置资源，在业务低峰时，无法释放闲置资源，造成一定的资源浪费。

传统大数据走向云原生数据湖

面对传统大数据共有的三大痛点，各大厂商已纷纷利用云化来解决这些问题，理想的云原生数据湖应该具备如下特性：

1.配置标准化，存算分离架构，资源利用率高；

2.集群搭建周期从月将至小时；

3.集群扩容，资源池申请，无需等待。

大数据云化为客户带来敏捷、高效、弹性的便捷云底座，让传统大数据走向云原生数据湖，实现大数据与云计算融合，算力更弹性，管理更敏捷。

为加速政企数字化转型，助力传统大数据向云原生数据湖升级，原FusionInsight HD与华为云MRS强强结合，架构、内核归一，已全面升级到FusionInsight MRS云原生架构，将为客户提供一企一湖、一城一湖的解决方案，具体特性解读请关注12月30日华为云TechWave云原生2.0技术峰会分论坛，华为云FusionInsight首席架构师徐礼锋的主题演讲“华为云FusionInsight MRS云原生数据湖构建一企一湖、一城一湖”，拥抱云原生2.0，赋能“新云原生企业”！