数据虚拟化是面向服务领域平时谈得不够多的一个话题。也就是说，能够将来自不同数据源的数据汇入到抽象的服务层，这很方便，这与让服务或应用程序使用实时生产数据库形成了对照。这有助于减小对物理存储系统的需要，又为使用数据的所有应用程序（尤其是商业智能系统、分析系统和事务系统）提供了统一接口。
Judith Davis和Robert Eve著有新书《超载传统数据集成，实现业务敏捷性》（Going Beyond Traditional Data Integration to Achieve Business Agility），文中深入浅出地探讨了为什么要使用数据虚拟化技术，如何使用这项技术。与任何服务技术的情况一样，数据虚拟化技术也牵涉整个企业的许多 部门和人员，所以它所带来的挑战往往是组织和文化方面的，而不是技术方面的。
1.将数据虚拟化方面的责任集中起来。两位作者说：“这么做的一个主要优点就是，能够迅速推动这项工作，并且着手处理更宏大的概念，比如定义通用规范和实施智能存储组件。”
2.约定和实施一种通用数据模型。“这将确保一致性、高质量的数据，让业务用户对于数据更有信心，并且提高IT工作人员的灵活性和生产力。”
3.确定一种治理方法。“这需要考虑到如何管理数据虚拟化环境。关键问题是谁负责共享的基础架构，谁负责共享的服务。”
4.对业务用户进行教育，让他们认识到数据虚拟化的优点。Davis和Eve建议：“抽出时间与业务用户进行交流，确保他们明白数据。日常多开展工作，让数据虚拟化能够为企业的其余部门所接受。”
5.注意性能调整和可扩展性。“在开发过程的早期阶段，就要调整性能、测试解决方案的可扩展性。要考虑引入大规模并行处理功能，以便处理大容量数据方面的查询性能。要兼顾这个事实：用户在专门查询和报告方面是无法预测的。”
6.分阶段实施数据虚拟化。“先对数据源进行抽象处理，然后将商业智能应用程序放到上面，最后逐步实施数据虚拟化的更高级的联合功能。”
以上就是Davis和Eve概述的从事数据虚拟化工作的任何人都应该考虑的六大最佳实践：希望通过本文的介绍你能也考虑到这六个方面。
