隨著信息技術的逐漸發展，數據出現指數型的增長。我們知道數據的種類很多，分類方式也有很多種，有以用戶對象來分類的，如政務數據、行業數據、個人數據；有以數據存儲形式分類的，如先前推文介紹過的結構化數據、半結構化數據和非結構化數據。還有一種分類方法，則是將數據分為冷數據、溫數據和熱數據，難道數據還有溫度？

數據為什么要區分“冷”和“熱”？

根據數據被訪問使用的頻次，數據可以被分為熱數據、溫數據和冷數據。顯然數據肯定是沒有溫度的，那么為什么會有“冷”、“熱”的說法呢？

熱數據

熱數據是需要被計算節點頻繁訪問的在線類數據，比如可以是半年以內的數據，用戶經常會查詢它們，適合放在數據庫中存儲，比如MySql、MongoDB和HBase。

冷數據

冷數據是指離線類不經常訪問的數據，用于災難恢復的備份或者因為要遵守法律規定必須保留一段時間，比如企業備份數據、業務與操作日志數據、話單與統計數據。通常會存儲在性能較低、價格較便宜的文件系統里，適用于離線分析，比如機器學習中的模型訓練或者大數據分析。

圖：冷數據和熱數據的區別，來源于微博@聯想企業級服務

總結一下，熱數據就是訪問量多的數據，而冷數據則基本沒有什么存在感和訪問量。比如在訂單管理中，熱數據就是指3個月以內的訂單數據，查詢時效性較高；而冷數據就是指1年前的訂單數據，只會有偶爾的查詢需求，其他時間幾乎不會被用到。

其實區分冷熱數據的根本目的，在于能節省數據存儲成本和提升在線數據查詢性能，即控制成本。

為什么這么說？因為通常情況下，為了支持熱數據的操作特性，需要有較好的硬件配置，比如高性能CPU、大內存、SSD硬盤等等。隨著時間的推移，系統里會積累越來越多的歷史數據，如果依然采用高配置機器來存放這些使用頻率非常低的數據，勢必會帶來非常高的成本。當然，如果數據量很小或者不計成本，那完全不需要考慮冷熱區分，采用一個單體系統就可以應對所有事情了。

數據如何冷熱分離？

相信看到這里，大家對冷數據、溫數據和熱數據的概念已經很清晰了，那么有人可能會好奇，對于不同“溫度”的數據，平時是如何存儲的呢？

由于冷數據和熱數據的訪問頻次不同，就導致了在數據庫搭建的各自不同：熱數據因為訪問頻次需求大，效率要求高，所以就近計算和部署；冷數據訪問頻次低，效率要求慢，可以做集中化部署，而基于大規模存儲池里，可以對數據進行壓縮、去重等降低成本的方法。

總結成一句話就是：熱數據就近計算，冷數據集中存儲。

從存儲形式來說，一般情況冷數據存儲在磁帶、光盤，目前發展比較好的是藍光光盤。熱數據一般存放在SSD中，存取速度快，而溫數據可以存放在7200轉的硬盤。

目前比較常見的冷熱分離方案是將冷熱數據分離到兩套不同的系統，這兩套系統擁有不同的存儲特性、訪問方式等，從而在保證熱數據訪問性能的同時，將冷數據的成本降低下來。

相比單體系統而言，將冷熱數據分離到兩個系統中，必然會帶來整體的復雜性，需要在性能、成本、復雜度等因素之間做的一個權衡。實踐中，通常需要結合具體的業務，考慮下面幾件事：

• 冷熱數據系統的選型

• 確定冷熱數據分割線

• 如何進行數據的遷移

• 如何應對跨系統的查詢

數據作為企業的核心資產之一雖然已受到廣泛的認可和重視，但是分析技術的落后尚不具備充分提取冷數據價值的能力，因此很多公司對利用率高的熱數據重視而忽視冷數據，這也符合常規企業成本的考量。隨著數據分析和數據挖掘技術的進步，歷史數據的可用價值將得到顯著的提升，這樣冷數據的存儲需求會迎來快速增長。隨著技術發展，會有越來越多的系統走向冷熱分離系統，從而簡化整體的復雜性，在業務層表現為統一的訪問方式。

更多資訊，請關注“成都吉福匯”，服務熱線：400 028 4366/028-85538251