回答:这个太范化了吧。大数据架构选择的方案就有很多，海量数据的即席查询本省就是业内目前的痛点，暂时没有太好的解决方案，kylin等框架也只是一个折中方案，如果你不是要求海量数据分析的秒级响应的话sparkSql、presto等都是不错的方案，分钟级别可以返回。
Paul_King
|
422人阅读
回答:分布式处理，分布式系统(其实也包含分布式存储系统)一直把RAS、MTBF、MTTR等作为可靠性衡量指标，但是专业指标是CAP指标，可用性作为其中重要因素之一。CAP理论阐述了在分布式系统的设计中，没有一种设计可以同时满足一致性，可用性和分区容错性。所以一个好的分布式系统，必须在架构上充分考虑上述指标。分布式系统设计中，BASE理论作为CAP理论的折中或延伸，在分布式系统中被大量使用。分布式系统的可...
lolomaco
|
1047人阅读
回答:首先建议题主描述清楚应用场景，否则别人做的方案可能都不符合需求。就Hadoop和OpenStack的纠结而言，支撑数据分析用前者，做资源管理用后者。=================补充=============题主的需求，实质是搭建一个IoT实时大数据平台，而不是一般意义的私有云。IoTa大数据平台除了数据采集和结果反馈，其余部分和一般的大数据平台相差不多。OpenStack长于管理VM资源管理...
MonoLog
|
867人阅读
回答:使用SQL处理数据时，数据会在数据库内直接进行处理，而且sql处理本身可以对sql语句做优化，按照最优的策略自动执行。使用Java处理时，需要把数据从数据库读入到Java程序内存，其中有网络处理和数据封装的操作，数据量比较大时，有一定的延迟，所以相对来说数据处理就慢一些。当然，这个只是大体示意图，实际根据业务不同会更复杂。两者侧重的点不同，有各自适合的业务领域，需要根据实际情况选用合适的方式。
stefanieliang
|
1598人阅读
回答:我是做JAVA后台开发的，目前为止最多处理过每天600万左右的数据！数据不算特别多，但是也算是经历过焦头烂额，下面浅谈下自己和团队怎么做的？后台架构:前置部门:负责接收别的公司推过来的数据，因为每天的数据量较大，且分布不均，使用十分钟推送一次报文的方式，使用batch框架进行数据落地，把落地成功的数据某个字段返回给调用端，让调用端验证是否已经全部落地成功的，保证数据的一致性！核心处理:使用了spr...
李增田
|
1066人阅读
回答:目前阶段大数据技术及体系已经逐渐趋于成熟，不再是以概念贯穿的模式，大数据越来越多的被使用，伴随互联网化的发展更多的企业信息化已经由IT时代转变为DT时代，以数据为核心，用数据进行决策，基于数据驱动企业的创新与发展，相信在将来大数据也会有更广泛的应用空间，对于大数据的理解主要分为以下几个层面。1.数据来源：对于大数据时代而言更多强调基于业务数据的沉淀，在一定规模的数据上进行进一步的分析、处理、转换，...
arashicage
|
955人阅读
...和数据处理与分析层，由此可概括的两大核心技术： ① 分布式存储 解决海量数据的存储问题 一台机器无法存储，我们就借助集群进行分布式存储 ② 分布式处理 解决海量数据的处理问题 一台机器无法高效完成数据处理，...
...储技术的发展变得步履蹒跚，赶不上数据发展的速度时，分布式存储成为了必然选择，非结构型数据也对存储格式提出了新的要求。层出不穷的数据源也使得数据量产生了井喷似的迅猛增长。此时分布式存储与NoSQL的诞生回应了...
...上的海量数据处理问题而设计的。Google提出了一整套基于分布式并行集群方式的基础架构技术，利用软件的能力来处理集群中经常发生的节点失效问题。Google使用的大数据平台主要包括五个相互独立又紧密结合在一起的系统：分...
...析这两个层面。 1.4.2两大核心技术 两大核心技术指的是分布式存储、分布式处理。 分布式存储：解决海量数据的存储问题。单机无法存储海量数据时，就借助集群进行分布式存储。 分布式处理：解决海量数据的处理问题。单...
...分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。 大数据需要特殊的技术，以有效...
...he（阿帕切） 的一个开源项目，它是一个对大量数据进行分布式处理的软件架构，在这个架构下组织的成员HDFS(Hadoop分布式文件系统)，MapReduce、Zookeeper(一个针对大型分布式系统的可靠协调系统)、 HBase 、hive(基于Hadoop的一个数据...
...统，可以多达几万台机器甚至更多。 Hadoop最初主要包含分布式文件系统HDFS和计算框架MapReduce两部分，是从Nutch中独立出来的项目。在2.0版本中，又把资源管理和任务调度功能从MapReduce中剥离形成YARN，使其他框架也可以像MapReduce...
...件框架，实现在大量计算机组成的集群中对海量数据进行分布式计算。Hadoop框架中最核心设计就是：HDFS和MapReduce。HDFS提供了海量数据的存储，MapReduce提供了对数据的计算。Hadoop的发行版除了社区的Apache hadoop外，cloudera，hortonwork...
...析技术 常见的大数据分析技术主要由以下几部分构成： 分布式的文件系统存储海量的非结构化数据（例如：hdfs等） 分布式的离线计算系统，对业务数据批量处理。（例如：mapreduce等） 分布式的实时计算系统，实时对业务数据...
...析技术 常见的大数据分析技术主要由以下几部分构成： 分布式的文件系统存储海量的非结构化数据（例如：hdfs等） 分布式的离线计算系统，对业务数据批量处理。（例如：mapreduce等） 分布式的实时计算系统，实时对业务数据...
...数据，这时候可以使用Hadoop，它是由Apache基金会所开发的分布式系统基础架构，用户可以在不了解分布式底层细节的情况下，编写和运行分布式应用充分利用集群处理大规模数据。Hadoop可以构建在廉价的机器上，比如我们淘汰的...
...ache.org） 这是Hadoop生态系统中的可扩展的、具有容错性的分布式文件系统。将商用服务器添加到集群中即可扩展HDFS。已知的最大集群包括了大约4500个节点和高达128PB的数据。HDFS支持并行读取和写入数据。HDFS系统中的带宽随节点...
轻量云主机已更新简化版Windows帕鲁镜像的安装教程，现在仅需3步，就可以畅游帕鲁大陆！需要Lin...
UCloud轻量云主机已更新Linux帕鲁镜像的安装教程，现在仅需1步，就可以畅游帕鲁大陆！也欢迎大...
