你做好大数据存储解决方案的选择了么力量

磁盘存储就像是衣橱，永远不够用，在大数据时代，这一点尤为突出。大数据意味着需要比传统存储平台处理更多的数据。那么这对于CIO意味着什么呢？意味着他们将需要做出更多的努力，而可供参考的信息却很少。

不过，在为大数据选择存储服务时也并不是完全无迹可寻。

何谓大数据

首先，我们需要清楚大数据与其他类型数据的区别以及与之相关的技术（主要是分析应用程序）。大数据本身意味着非常多需要使用标准存储技术来处理的数据。大数据可能由TB级（或者甚至PB级）信息组成，既包括结构化数据（数据库、日志、SQL等）以及非结构化数据（社交媒体帖子、传感器、多媒体数据）。此外，大部分这些数据缺乏索引或者其他组织结构，可能由很多不同文件类型组成。

由于这些数据缺乏一致性，使标准处理和存储技术无计可施，而且运营开销以及庞大的数据量使我们难以使用传统的服务器和SAN方法来有效地进行处理。换句话说，大数据需要不同的处理方法：自己的平台，这也是Hadoop可以派上用场的地方。

Hadoop是一个开源分布式计算平台，它提供了一种建立平台的方法，这个平台由标准化硬件（服务器和内部服务器存储）组成，并形成集群能够并行处理大数据请求。在存储方面来看，这个开源项目的关键组成部分是Hadoop分布式文件系统（HDFS），该系统具有跨集群中多个成员存储非常大文件的能力。HDFS通过创建多个数据块副本，然后将其分布在整个集群内的计算机节点，这提供了方便可靠极其快速的计算能力。

从目前来看，为大数据建立足够大的存储平台最简单的方法就是购买一套服务器，并为每台服务器配备数TB级的驱动器，然后让Hadoop来完成余下的工作。对于一些规模较小的企业而言，可能只要这么简单。然而，一旦考虑处理性能、算法复杂性和数据挖掘，这种方法可能不一定能够保证成功。[page]

你的存储架构

这一切都归结到所涉及的存储结构和络性能。对于经常分析大数据的企业而言，可能需要一个单独的基础设施，因为随着集群中计算节点的数量的增长，带宽开销也会增长。通常情况下，使用HDFS的多模计算集群在处理大数据时将会产生大量流量。这是因为Hadoop在集群的成员服务器间传输数据（以及计算资源）。

在大多数情况下，基于服务器的本地存储并没有高效率的优点，这也是为什么很多企业转向使用高速光纤结构的SAN来最大限度地提高吞吐量。然而，SAN方法本身并不一定适合大数据部署。尤其是那些使用Hadoop的大数据部署，因为SAN承担集中硬盘上数据的，这反过来意味着每个计算服务器将需要访问相同的SAN来恢复正态分布的数据。

然而，当比较本地服务器存储和基于SAN的存储时，本地存储在两个方面占据优势：成本和整体性能。简而言之，没有在每个计算成员放置RAID的原始磁盘在处理HDFS请求时将胜过SAN,然而，基于服务器的磁盘存在缺点，主要是在可扩展性方面。

问题是当服务器依赖于本地存储时，你如何在必要的时候增加更多的容量。通常，有两种方式来处理这种困境。第一种方法是增加具有更多本地存储的额外的服务器。第二种方法是增加集群服务器的容量。这两种方法都需要购买和配置硬件，这将导致停机时间，可能还需要重新设计架构。然而，无论使用哪种方法都要比向SAN增加容量要便宜，可以说，这是一个显着的成本优势。

然而，当涉及到Hadoop时，还有其他存储选择。例如，一些领先的存储厂商都在建立专门针对Hadoop和大数据分析的存储设备。这些供应商包括EMC,目前提供Hadoop解决方案，例如Greenplum HD Data Computing Appliance.甲骨文正在考虑进一步深化Exadata系列设备，提供计算能力以及高速存储。

北京地坛庙会环境布置工作基本完成。本届地坛庙会以“凤舞祥歌福聚地坛”为主题 最后一个存储选择是云形式的存储，Cloudera、微软、Amazon和很多其他供应商都在提供基于云的大数据解决方案，这些解决方案能够提供处理能力、存储和支持。

在选择大数据存储解决方案时需要考虑究竟需要多少空间，分析频率如何以及需要处理什么类型的数据。这些因素，以及安全、预算和处理时间都是选择大数据存储解决方案时需要考虑的因素。

可能站在保险的角度来看，一个试点项目可能是一个不错的开始，商品硬件也是大数据试点项目的低成本投资选择。

安顺治疗白癜风较好医院上海包皮包茎哪家好普通感冒和流感有什么区别哈尔滨治白癜风较好的医院
四川肝病医院
贵阳哪家医院治妇科好