很多企业IT应用虚拟化程度仅有20%-30%。但随着云计算的逐步成熟与落地，云数据中心也越来越被企业接受。当然，这种虚拟化在云数据中心中的应用也就更加广泛了。
了解大数据的读者都知道，Hadoop是所有大数据解决方案中最具成长性的平台，它通过集群搭建起的高性能计算和存储平台，利用分布式架构对海量数据（包括结构和非结构数据）进行分析和处理。在这种情况下，也许很多人会误以为虚拟化运行在SAN上，而Hadoop却在本地硬盘上运行，从而主观认为虚拟化不适合大数据平台。甚至有人会认为，虚拟化会给IT系统带来更多资源开销，降低Hadoop性能。
其实，大数据平台下的Hadoop，更多的是基于集群版（包括开源和英特尔发行版），而不是单机版。通过虚拟存储架构下的共享存储（SAN或者NAS），可实现更简便高效的部署，并且实现集群的自动负载均衡。
Hadoop集群框架简图
另一方面，并不是所有的企业都有足够的精力和能力去应对部署Hadoop带来的挑战（部署门槛和系统调优门槛），而且Name Node和Job tracker存在单点失效问题，Hive、HCatalog等非Hadoop核心模块也没有双机集群高可用性的保障，专有的Hadoop集群CPU利用率低，Hadoop和非Hadoop负载不能直接共享资源，等等。这一系列的问题，都给Hadoop的使用带来了诸多不便。
在这种情况下，引入虚拟化解决方案就成为了破解这些难题的“救命稻草”了。服务器虚拟化、甚至基于计算、网络、存储各个模块的全面虚拟化，有助于降低成本和提升集群系统的可用性和可靠性，避免Hadoop集群带来的昂贵成本负担，使得广大中型企业也可以实现大数据的分析和应用，而且也可以帮助提升大数据的服务价值。
另外一种情况是，基础设施的全面虚拟化，还可以顺应大数据几何级数增长的发展态势，从而从一开始就紧随业务/大数据价值挖掘的需求不断推进，提升大数据价值内涵。
编后语：
虚拟化和云计算，将为大数据价值的挖掘提供更富有灵活扩展、高效利用的技术支持。虽然大数据需要有更多的新技术来帮助实现，但早已发展成熟的虚拟化以及当下流行应用的云计算，将有助于简化大数据价值的挖掘和服务的提供，从而实现大数据的更快部署实施和惠及更多地区、行业用户的应用服务。
