1、常規數據倉庫
數據倉庫的重點，是對數據進行整合，同時也是對業務邏輯的壹個梳理。數據倉庫雖然也可以打包成SAAS那種Cube壹類的東西來提升數據的讀取性能，但是數據倉庫的作用，更多的是為了解決公司的業務問題。
2、敏捷型數據集市
數據集市也是常見的壹種方案，底層的數據產品與分析層綁定，使得應用層可以直接對底層數據產品中的數據進行拖拽式分析。數據集市，主要的優勢在於對業務數據進行簡單的、快速的整合，實現敏捷建模，並且大幅提升數據的處理速度。
3、MPP(大規模並行處理)架構
進入大數據時代以來，傳統的主機計算模式已經不能滿足需求了，分布式存儲和分布式計算才是王道。大家所熟悉的Hadoop MapReduce框架以及MPP計算框架，都是基於這壹背景產生。
MPP架構的代表產品，就是Greenplum。Greenplum的數據庫引擎是基於Postgresql的，並且通過Interconnnect神器實現了對同壹個集群中多個Postgresql實例的高效協同和並行計算。
4、Hadoop分布式系統架構
當然，大規模分布式系統架構，Hadoop依然站在不可代替的關鍵位置上。雅虎、Facebook、百度、淘寶等國內外大企，最初都是基於Hadoop來展開的。
Hadoop生態體系龐大，企業基於Hadoop所能實現的需求，也不僅限於數據分析，也包括機器學習、數據挖掘、實時系統等。企業搭建大數據系統平臺，Hadoop的大數據處理能力、高可靠性、高容錯性、開源性以及低成本，都使得它成為首選。
關於數據平臺建設的方案有哪幾種，環球青藤小編就和您分享到這裏了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。