![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
大数据平台构建分布式文件系统、分布式数据仓库、非关系型数据库、关系型数据库,实现各类数据的集中存储与统一管理,满足()存储需求。
A.历史数据
B.离线数据
C.实时数据
D.多样化数据
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.历史数据
B.离线数据
C.实时数据
D.多样化数据
A.自研分布式文件系统OceanStorDFS支持海量非结构化数据存储,实现全局统命名空间。
B.提供对象存储服务,兼容AmazonS3接口、兼容OpenStackSwift接口。
C.支持对接由开源Hadoop组件封装而来的FusionInsightHadoop/ClouderaHadoop,让用户轻松构建企业级大数据分析平台。
D.分布的元数据管理,支持3~4000个节点的线性扩展。
A.分布的元数据管理,支持3~4000个节点的线性扩展。
B.自研分布式文件系统OceanStorDFS支持海量非结构化数据存储,实现全局统一命名空间。
C.提供对象存储服务,兼容AmazonS3接口、兼容OpenStackSwift接口。
D.支持对接由开源Hadoop组件封装而来的FusionInsightHadoop/ClouderaHadoop,让用户轻松构建企业级大数据分析平台。
B.大规模并行计算:在分布式并行环境中将一个任务分解成更多份细粒度的子任务,这些子任务在空闲的处理节点之间被调度和快速处理之后,最终通过特定的规则进行合并生成最终的结果。典型技术为MapReduce
C.结构化分布式数据存储:类似文件系统采用数据库来存储结构化数据,云计算也需要采用特殊技术实现结构化数据存储,典型技术为BigTable/Dynamo等
D.分布式文件系统:可扩展的支持海量数据的分布式文件系统,用于大型的、分布式的、对大量数据进行访问的应用。它运行于廉价的普通硬件上,提供容错功能(通常保留数据的3份拷贝),典型技术为GFS/HDFS/KFS等
A.数据处理框架(MapReduce),集群管理(YARN),分布管理控制(ZooKeeper)
B.Spark高效数据处理架构
C.安全管理组件
D.Hadoop的客户端
A.文件系统由本地文件系统向集群文件系统和分布式文件系统发展
B.传统NAS,面向PB级数据,复杂的卷管理及系统容量分配不均衡,会导致资源浪费
C.海量存储系统的特点是文件系统更复杂,管理更复杂
D.具有大规模扩展能力是海量存储系统的特点