一. 使用Apache Hadoop作为存储框架Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。Hadoop使用了MapReduce的概念，可以将输入查询分解成小模块然后并行的处理数据，并存储到 分布式文件系统中（Hadoop Distributed File System, HDFS中）。HDFS： 是
转载
2024-01-21 05:50:05
69阅读
大数据平台是对海量结构化、非结构化、半机构化数据进行采集、存储、计算、统计、分析处理的一系列技术平台。大数据平台处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据仓库工具无法处理完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等。一、大数据相关基本内容及基本框架介绍：所有的大数据相关所用到的技术都是基于Hadoop生态圈的1、HadoopHadoop是一个开
转载
2024-05-28 11:39:05
59阅读
一，数据存储介绍1.操作系统获得存储空间的方式一般分为：① 外接活动硬盘 （DAS）② 网络存储服务器 （NAS）③ 存储区域网路服务 (SAN)(1) DAS：(Direct Attached Storage— 直接连接存储) 本地存储设备： 通过某种协议（SAS,SCSI,SAN,iSCSI 等）挂接裸硬盘，然后分区、 格式化、创建文件系统；或者直接使用裸硬盘存储数据（数据库）。这种
转载
2023-07-11 20:08:49
83阅读
文/陆嘉恒任何机器都会有物理上的限制：内存容量、硬盘容量、处理器速度等，我们需要在这些硬件的限制和性能之间做出取舍，比如内存的读取速度比硬盘快得多，因此内存数据库比硬盘数据库性能好，但是内存为2GB的机器不可能将大小为100GB的数据全部放入内存中，也许内存大小为128GB的机器能够做到，但是数据增加到200GB时就无能为力了。数据不断增长造成单机系统性能不断下降，即使不断提升硬件配置也难以跟上数
转载
2024-08-21 09:26:41
34阅读
一、结构化数据的存储 随着互联网应用的广泛普及，海量数据的存储和访问成为了系统设计的瓶颈问题。对于一个大型的互联网应用，每天几十亿的PV无疑对数据库造成了相当高的负载。对于系统的稳定性和扩展性造成了极大的问题。水平切分数据库，可以降低单台机器的负载，同时最大限度的降低了了宕机造成的损失。通过负载均衡策略，
转载
2023-12-28 23:23:14
111阅读
一、为什么会产生大数据技术？ 维基百科中指出，大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间限制的数据集。对于大数据的定义很多学者从不同的角度进行了阐述，但是表达的意思大致相同，即大数据从根本上说是一种数据集，并且大数据的特性可以通过与以往的数据管理分析技术相比较来显示。在不同的要求中，大数据的时间处理范围是不同的，而且大数据的价值并不是数据自身，而是大数据带来的
转载
2023-07-09 12:26:45
24阅读
大数据从获取到分析的各个阶段都可能会涉及到数据集的存储，考虑到大数据有别于传统数据集，因此大数据存储技术有别于传统存储技术。大数据一般通过分布式系统、NoSQL数据库等方式（还有云数据库）进行存储。同时涉及到以下几个新理念。本篇summary主要围绕以下三方面内容：大数据存储方案（分布式系统、NoSQL数据库系统）；分布与集群、数据分布的途径；数据库设计时涉及到的原则与遵循的定理。&n
转载
2023-10-02 09:14:25
231阅读
大数据的来源多种多样，在大数据时代背景下，如何从大数据中采集出有用的信息是大数据发展的最关键因素。大数据采集是大数据产业的基石，大数据采集阶段的工作是大数据的核心技术之一。为了高效采集大数据，依据采集环境及数据类型选择适当的大数据采集方法及平台至关重要。下面介绍一些常用的大数据采集平台和工具。1、FlumeFlume作为Hadoop的组件，是由Cloudera专门研发的分布式日志收集系统。尤其近几
转载
2023-11-17 17:07:24
89阅读
去年，IBM宣布以17亿美元收购数据分析公司Netezza；EMC继收购数据仓库软件厂商Greenplum后再次收购集群NAS厂商Isilon；Teradata收购了Aster Data 公司；随后，惠普收购实时分析平台Vertica等，这些收购事件指向的是同一个目标市场——大数据。是的，大数据时代已经来临，大家都在摩拳擦掌，抢占市场先机。 而在这里面，最耀眼的
转载
2023-09-14 16:12:46
73阅读
文章目录说明分享大数据存储特性和要求特性要求大数据存储现状hadoop系优点缺点非hadoop系优点缺点总结 说明本博客每周五更新一次。大数据存储是大数据平台的基石，数据的存储方式直接决定数据使用效率，平台的搭建与维护成本。所有内容理论为主，不牵涉太多专业知识，目标是简单易懂。分享大数据博客列表大数据存储特性和要求特性大数据存储基本依托分布式架构（大于一台服务协同完成存储和计算的架构），将数据拆
转载
2023-07-28 09:15:08
118阅读
第一章1. 大数据是指规模庞大、复杂多样且难以通过传统数据处理方法进行处理和分析的数据集合。它通常具有高速生成、快速流动和多样化的特点。2. 大数据相关特征的挑战和相应措施：- 数据体量大（Volume）：大数据处理面临海量数据的存储、处理和分析挑战。解决方法包括分布式存储系统（如Hadoop HDFS）和分布式计算框架（如Spark）等，以实现数据的存储、并行处理和扩展性。- 数据流动性高（Ve
转载
2023-11-30 11:15:42
256阅读
大数据的应用开发过于偏向底层，具有学习难度大，涉及技术面广的问题，这制约了大数据的普及。大数据架构是大数据技术应用的一个非常常见的形式，而今天就来分析了解一下，大数据架构组件包含哪些内容。 数据源 所有大数据架构都从源代码开始。这可以包含来源于数据库的数据、来自实时源(如物联网设备)的数据，及其从应用程序(如Windows日志)生成的静态文件。 实时消
转载
2023-08-16 20:44:25
149阅读
数据分级存储，是指数据客体存放在不同级别的存储设备（磁盘、磁盘阵列、光盘库、磁带库）中，通过分级存储管理
软件实现数据客体在存储设备之间的自动迁移。数据迁移的规则是可以人为控制的，通常是根据数据的访问频率、保留时间、容量、性能要求等因素确定的最佳存储策略。在分级数据存储结构中，磁带库等成本较低的存储资源用来存放访问频率较低的信息，而磁盘或磁盘阵列等成本高、速度快的设备，用来存储经常
转载
2024-04-09 19:52:27
174阅读
文章目录一 基础1.hadoop简介2.hadoop架构设计⑴hadoopcommon hadoop基础设施模块⑵hdfs 分布式文件系统⑶mapreduce 实现在很多机器上分布式并行运算⑷yarn 帮用户调度大量的mapreduce程序,并合理分配运算资源3.hadoop的优缺点⑴优点⑵缺点4.hadoop名词以及他们之间的关系⑴hbase hive hdfs hue⑵spark mapre
数据仓库主要用的工具有ETL工具和报表工具。ETL工具有IBM datastage、informatic开源的kattel报表工具congnos国内的bioffice等
原创
2023-04-14 19:46:48
152阅读
很多大数据开发工程师或系统管理员，特别是初级入门Hadoop的工程师，经常会遇到如何高效管理大数据基础平台的问题。跟踪管理所有Hadoop集群中数以百计的节点、数据库、资源和服务实例可太难了……上次看到亿信华辰为破解这一问题，实时大数据平台PetaBase-i 提供可视化管理工具PetaBase Web Console（简称PB Web Console），用于供应、管理、监控和保护PetaBase
转载
2024-04-10 10:35:29
42阅读
大数据计算系统数据存储系统数据建模数据存储逻辑存储结构物理存储结构分布式文件系统分布式数据库（NoSQL）统一数据访问接口数据处理系统大数据计算模式大数据计算架构两条技术主线计算模型与计算架构简单描述MapReduce计算模型数据应用系统 数据存储系统包括数据采集层(系统日志、网络爬虫、无线传感器网络、物联网、以及各种数据源) ;数据清洗、抽取与建模(将各种类型的结构化、非结构化、异构数据转化为
大数据存储方案
Cap思想 分布式领域CAP理论， Consistency(一致性), 数据一致更新，所有数据变动都是同步的 Availability(可用性), 好的响应性能 Partition tolerance(分区容错性) 可靠性 定理：任何分布式系统只可同时满足二点，没法三者兼顾。 忠告：架构师不要将精力
转载
2024-01-09 18:59:33
67阅读
学习某一项技术，一定要了解它的来龙去脉，才能把握到它的本质以及它的未来。一、大数据技术发展史：大数据的前世今生 在2004年，Google前后发表了三篇论文，即大数据技术的“三驾马车”：分布式文件系统GFS、大数据分布式计算框架MapReduce和NoSQL数据库系统BigTable。分别是一个文件系统、一个计算框架和一个数据库系统。其本质思路
转载
2023-12-13 22:24:44
79阅读
在当代互联网背景下，海量的数据存储是我们当今最需要考虑的，如何在MySQL中存储大数据量，良好的逻辑设计和物理设计是基础，不良的设计使其表的维护成本成倍增加，MYSQL独有的特性和实现细节对性能的影响也很大。一、选择优化的数据类型 1、更小的通常更好
转载
2023-06-16 14:54:36
204阅读
