F1赛车如今也掀起节能环保改革，赛车发动机将从V8引擎缩水到V6，但又不能牺牲速度，又让马儿跑，又让马儿不吃草，这个经典难题只有通过大数据分析才能解决。
F1赛车场可能是大数据最经典的应用场景之一，一辆辆风驰电掣的造价高达200万美元的F1赛车的设计、模拟、测试和建造完全在电脑中完成，这个流程的每个环节都将产生大量数据。虽然F1的模拟测试需要昂贵的计算机软硬件环境，但这依然比在赛道上实测的成本要低，莲花车队的老板Patrick Louis曾透露，一辆F1赛车在赛道上实测的花费每天高达40-60万美元。
此外，国际汽联对F1赛车的设计颁布了很具体的规则，例如汽车底盘高度不得低于10厘米，而且不得采用可拆卸的空气动力组件。而莲花、法拉利和麦克拉伦等F1汽车制造商必须在规则范围内绞尽脑汁设计出性能更加出色的赛车。
因此，各大F1车队纷纷大量借助高级流体动力计算（CFD）和CAD/CAM进行赛车的设计、测试和制造。尤其在测试环节，每辆F1赛车都是大数据发生器，对计算和存储环境提出了极高的要求。通常用于测试的F1赛车上会安装240个传感器，每圈能产生25MB数据，这些数据通过卫星链路传回到工厂——其中引擎数据与底盘数据将被分开处理，用于分析部件的性能和磨损情况。此外大数据预测分析也是F1赛车测试的重要应用，例如麦克拉伦车队能通过汽车传感器在赛前的场地测试中实时采集数据，结合历史数据，通过预测型分析发现赛车问题，并预先采取正确的赛车调校措施，降低事故几率并提高比赛胜率。
今年，随着国际汽联颁布新的“绿色”引擎规则。各大F1车队面临一个前所未有的巨大挑战，如何将2.4升的V8引擎换装成省油的1.6升V6引擎，但又不牺牲赛车的速度。这意味着需要对赛车进行重大的重新设计，而完成这一任务的关键环节就是：大数据。
莲花车队的大数据装备
新的国际汽联规则意味着各大F1车队需要对赛车设计进行大改，以达到新的节能指标，搭载新的V6引擎也需要新的传统系统预置匹配。
莲花车队的对策是部署两个并行的IT项目支撑全新的赛车设计和测试工作。其中一个在工厂端，运行微软的Dynamics 商务套件，另外一个在车队端，主要是与赛道测试相关的数据采集和分析。
据悉莲花车队将采用EMC的存储、虚拟化软件和思科的服务器搭建其大数据环境，此外据EMC市场总监Jeremy Burton向GigaOM透露，莲花车队也可能采购EMC的Atoms用于存储和管理内容，Syncplicity用于异地同步和分享文件，Data Domain用于备份和恢复。
原文发布时间为：2013-08-11
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
