豆丁微信公众号
君，已阅读到文档的结尾了呢~~
2017-2018大数据公需考试多选题及答案
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
大数据公需考试多选题及答案
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口大数据的存储与备份，离不开技术与创新大数据的存储与备份，离不开技术与创新扬州区块链百家号根据IDC研究报告，未来10年全球数据量将以40%多的增长速度呈直线上升趋势，2020年，全球的数据量将达到35ZB（35,000,000PB），是2010年的40倍。换句通俗的话说，也就是每过1分钟，全世界就有1820TB的新数据产生。数据量的急速膨胀随着互联网、移动互联网、物联网等技术的发展，一个城市的数据生产在飞速的发展，信息就成了一个企业的战略子站，市场竞争和政策的管制要求越来越多的数据被长期的保存。不仅仅是企业需要保存数据，政府也越来越开始注重各类信息数据的收集、保存和备份，从而进行用户行为分析、市场的研究。大数据的分析与传统数据分析相比，用于大数据分析的数据集合主要有2点区别：第一，传统模式大都采用通过采样的方式获得部分数据用于分析，而大数据可以对收集到的所有的数据进行分析，分析用的数据源由采样数据扩展至了全部的数据；第二，传统分析更加关注数据源与分析结果间的因果关系，大数据分析时数据源与分析结果不再只是因果的关系，基于有相关关系的数据源同样可以分析并且预测出正确的结果。 大数据的分析给传统的数据分析和处理技术带来了很多挑战。云计算和开源技术的发展推动大数据落地，分布式存储、非关系型数据库和并行处理技术逐渐成为大数据应用实施过程当中的关键技术。开元Hadoop为大数据提供了各个层面的技术支持，这也是当前形势下应用最广泛、关注度最高的大数据项目。Hadoop几乎已经成为了大数据处理的事实标准。 大数据的存储谈到大数据的分析，就必不可少的在这之前，需要对大数据进行存储和备份。大数据的存储需要满足海量的存储、安全存储和快读读取的要求，目前应用较广的主要有Hadoop分布式文件系统。据江苏爱科赛尔云数据的责任人表示：“作为数据服务公司，技术是最根本的，而目前首要的就是把重心放在原始数据的高压缩和去重技术上。”另外，针对大数据的存储和备份，一些市场上主要的需求和建议在今年也被大家开始提出： 1、大数据存储和备份系统对备份的文件格式应该采取多样化的设定，即无论何种形式的文件，均可以使用软件进行存储和备份；2、大数据存储和备份在执行任务的时候，在LAN或WAN时都应该达到最低网速，及时在网速较慢的情况下（256kbps）也能进行快速的备份和上载。3、针对国内情况，对于虚拟机本身的备份和恢复应该开始重视起来；4、在软件报错的时候，应该能够进行自我的修复，而不是当软件报错的时候就导致企业无法进行顺利的存储和备份；5、增加Failover和Failback的失败自动切换和失败自动恢复的模式，这样一来就可以似的操作智能化，在遇到错误的时候能够自动重新选择其它线路，而不是一味的停在原地。
本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。扬州区块链百家号最近更新：简介:致力于地方区块链发展与普及作者最新文章相关文章为什么说大数据的核心技术是map技术
[问题点数：20分，结帖人pww71]
本版专家分：0
CSDN今日推荐
本版专家分：0
匿名用户不能发表回复！|
CSDN今日推荐最安全的数据存储方式是什么？ - 知乎有问题，上知乎。知乎作为中文互联网最大的知识分享平台，以「知识连接一切」为愿景，致力于构建一个人人都可以便捷接入的知识分享网络，让人们便捷地与世界分享知识、经验和见解，发现更大的世界。61被浏览<strong class="NumberBoard-itemValue" title="2分享邀请回答81 条评论分享收藏感谢收起05 条评论分享收藏感谢收起大数据的核心是提升大量数据的分析能力
　　在亟待优先解决的IT问题千头万绪的情况下，在大数据价值日益凸显的背景下，企业需要首先提高数据中心的成本效益，以满足不断变化的业务需求，加大大数据的应用和相关基础设施的构建，满足对于大数据环境下数据中心高性能、高可扩展性、高安全性和高可用性
　　的要求。
　　赛迪顾问对此做了一篇报道，小编摘编如下：
　　大数据核心分析能力需要强大的后台支撑
　　所谓大数据，最为核心的就要看对于大量数据的核心分析能力。但是，大数据核心分析能力的影响不仅存在于数据管理策略、数据可视化与分析能力等方面，从根本上也对数据中心IT基础设施架构甚至机房设计原则等提出了更高的要求。为了达到快速高效的处理大量数据的能力，整个IT基础设施需要进行整体优化设计，应充分考量后台数据中心的高节能性、高稳定性、高安全性、高可扩展性、高度冗余，基础设施建设这五个方面，同时更需要解决大规模节点数的数据中心的部署、高速内部网络的构建、机房散热以及强大的数据备份等问题。
　　大数据离不开效益型数据中心的构建
　　深入了解大数据应用的数据中心经济学对于提高企业的实际利润率，具有十分重要的价值。数据中心经济学能够提供一个框架，帮助 IT 管理者认识存储的总体拥有成本(TCO)的长期价值影响。利用数据中心经济学确定存储决策、计算资源的准确支出，将能够帮助企业系统化地持续降低成本，并更好的支持企业采用大数据技术。
　　大数据更需要突破存储、性能瓶颈
　　大数据应用除了数据规模巨大之外，还意味着拥有庞大的文件数量。因此如何管理文件系统层累积的元数据是一个难题，处理不当的话会影响到系统的扩展能力和性能，而传统的NAS系统就存在这一瓶颈。所幸的是，基于对象的存储架构就不存在这个问题，它可以在一个系统中管理十亿级别的文件数量，而且还不会像传统存储一样遭遇元数据管理的困扰。基于对象的存储系统还具有广域扩展能力，可以在多个不同的地点部署并组成一个跨区域的大型存储基础架构。此外，大数据应用还存在实时性的问题，特别是涉及到与网上交易或者金融类相关的应用。
　　大数据是一个朝阳产业，而且将推动数据中心基础设施及相关软件的爆发式增长，企业部署的数据中心环境也需做出相应的变革与创新。虽然，有很多“大数据”应用环境需要较高的IOPS性能。为了迎接这些挑战，服务器、存储系统、服务、大数据技术软件以及整个产业都已经蓄势待发，未来也必将蓬勃发展。
还能输入140字
Copyright & 1998 - 2018 Tencent. All Rights Reserved}