隨著雲計算和大數據的普及，越來越多的IT公司選擇將自己的大數據解決方案部署在雲上面。雲計算和大數據的結合帶來了什麼便利呢?一個典型的大數據雲又是如何設計和部署的呢?
下面我們以Google Cloud作為例子，講解在工業界裡邊是如何實際應用雲。
Google Cloud
Google作為分佈式系統和大數據的領導者，開發了眾多跨時代的產品。幾乎每一個Google的產品，寫出一篇paper就可以創造一個開源社區的。
比如MapReduce發佈之後，開源社區根據Google的一篇論文開發出的Hadoop，BigTable發佈之後，開源社區又進一步開發出Hbase等等。可以說沒有Google的創新，就沒有現在開源社區的繁榮。
而Google又把自家的產品，都放在Google Cloud上面，形成了豐富多彩的產品線，吸引了非常多的大大小小的公司如Snapchat等來使用。
Google App Engine (GAE)
我們都知道Web項目都需要大量的Web Service以及為之服務的運維繫統。Google在雲計算領域首次嘗試的就是Google App Engine (GAE)，相對比當時的Amazon EC2，GAE只需開發者上傳軟件代碼，其他部署將由Google完成。
用戶只需要熟悉後端語言開發即部署大規模的集群。Google今年更是推出了GAE Flex，可以幫助用戶實現auto-scaling，用戶不再需要自己部署負載均衡的服務了。大部分中小企業的網站幾乎都可以無縫銜接到GAE上。
BigTable
BigTable的底層是註明的Google File System (GFS)，他實現了數據中心級別的可靠的分佈式存儲。
也是最早的NoSQL數據庫的一種。各種網站如果有需要永久存儲的數據，一般都可以存放在BigTable裡邊，Google Cloud會自動幫你做replication，分佈在不同的服務器節點裡邊，這樣實現了可靠的分佈式存儲。
Dataflow
Dataflow的底層實現利用了大名鼎鼎的MapReduce的升級版Flume。
Dataflow特別方便進行大量的批處理，舉個例子來說，比如要把所有的用戶數據裡邊的格式都升級一遍，用GAE或者其他service是很難實現的。
Dataflow也提供了特別多的接口，諸如BigQuery, Datastore, BigTable等等也是為了方便各種批處理。最近Google還提供了streaming(流服務)版本的Dataflow，可以實現持續不斷的批處理。
BigQuery
BigQuery相當於是Cloud version的SQL，可以方便使用各種複雜的查詢語言查找數據。這個尤其適合數據分析師進行各種數據分析，幾乎各種SQL的語法都是支持的。
但是BigQuery在scaling上並不如BigTable，並不是面向用戶的，所以並不適合直接用來存儲用戶數據。只適合做一些離線分析，數據來源很多都是Dataflow從BigTable裡邊dump出來的一些拷貝。
其他服務
Google Cloud還有非常多的其他服務，諸如支持消息隊列處理的Pubsub，支持緩存的Memchace，支持Monitoring的Stackdriver，等等完整的構成了一個企業數據雲所必須的各種服務，可以滿足大到Snapchat級別，小到各種startup的不同業務需求。