雲原生在2020年成為備受矚目的熱詞，雲原生在確保企業數位化轉型中資源快速供給的同時，還能做到敏捷的應用開發、交付運維能力，加速企業的敏捷創新，是企業數位化轉型、智能化升級的必經之路。
早期，雲原生只是提出了一些相關的技術，包括開源、容器、微服務、編排工具等，並沒有給出一個關於雲原生的具體定義，各廠商根據自身的理解對雲原生進行探索和實踐。歷經五年的野蠻生長，雲原生技術和產業得到了長足的發展，現如今，雲原生已被各行業廣泛接受，加速進入雲原生2.0時代。在這個全新時代，數據作為雲原生體系中的重要生產資料，如何發揮出數據最大的價值成為客戶迫切需要解決的問題。
傳統大數據平臺面臨的困境
隨著各行各業的大數據系統的建立，企業需要從海量數據發掘數據價值服務於客戶。而大數據平臺，已逐步進入客戶的生產系統中，發揮至關重要的作用。伴隨雲原生概念的火熱，業務敏捷性的需求，傳統大數據平臺在應對時漸露疲態，集中表現在以下三個方面：
1.硬體集採，配置不合理
目前，企業依然以統一採購硬體的方式為主，配置的框架固定，未考慮大數據在不同場景中對資源的不同訴求，例如離線分析高CPU使用率，實時分析高內存和CPU使用率，全文檢索高IO等使用伺服器資源的特點，造成集採伺服器配置與所需配置存在矛盾，易造成資源浪費。
同時，硬體異構，不同廠家的硬體，對於作業系統、大數據軟體甚至一個小的工具的異構兼容不統一，造成硬體不可復用，維護管理成本居高不下。
2.手工部署，效率低
大數據部署、調優方案相對複雜，手工部署的步驟多，導致周期長、成本高。從方案設計到部署安裝調優完成，往往需要20多個環節，一個30節點規模的集群，至上線交付至少需要1個月。
同時，傳統大數據基礎環境的安裝存在大量重複性操作，例如安裝網絡、OS、硬碟RAID方案、分區等，手工部署操作不僅容易出錯，且效率不高，每天安裝速度僅在10-15節點。
3.資源彈性不足
伴隨數據量的激增，大數據集群幾乎每年都需擴容一次，但傳統大數據在擴容時不夠敏捷，政企客戶在擴容時需先申報，再採購，等設備到位後才進行安裝部署擴容，完成整個過程至少需要3個月，超長的等待周期無法滿足高速變化的業務訴求。
同時，傳統大數據集群的資源獨佔、不共享，資源彈性不足，在業務高峰時無法借用其他閒置資源，在業務低峰時，無法釋放閒置資源，造成一定的資源浪費。
傳統大數據走向雲原生數據湖
面對傳統大數據共有的三大痛點，各大廠商已紛紛利用雲化來解決這些問題，理想的雲原生數據湖應該具備如下特性：
1.配置標準化，存算分離架構，資源利用率高；
2.集群搭建周期從月將至小時；
3.集群擴容，資源池申請，無需等待。
大數據云化為客戶帶來敏捷、高效、彈性的便捷雲底座，讓傳統大數據走向雲原生數據湖，實現大數據與雲計算融合，算力更彈性，管理更敏捷。
為加速政企數位化轉型，助力傳統大數據向雲原生數據湖升級，原FusionInsight HD與華為雲MRS強強結合，架構、內核歸一，已全面升級到FusionInsight MRS雲原生架構，將為客戶提供一企一湖、一城一湖的解決方案，具體特性解讀請關注12月30日華為雲TechWave雲原生2.0技術峰會分論壇，華為雲FusionInsight首席架構師徐禮鋒的主題演講「華為雲FusionInsight MRS雲原生數據湖構建一企一湖、一城一湖」，擁抱雲原生2.0，賦能「新雲原生企業」！