文章目录
- 传统数据与大数据处理方式对比
- 传统数据：纵向扩展
- 1、扩展性
- 2、分布式
- 3、可用性
- 4、模型
传统数据与大数据处理方式对比
传统数据：纵向扩展
表示在需要处理更多负载时通过提高单个系统处理能力的方法来解决问题。最简单的情况就是为应用系统提供更为强大的硬件。 例如：如果数据库所在的服务器实列只有8G内存、低配cpu、小容量硬盘，进而导致了数据库不能高效地运行，那么就可以通过将该服务器的内存扩展到16G、更换大容量硬盘或者更换高性能服务来解决这个问题。
1、扩展性
传统的纵向扩展 服务器数量不发生变化，配置越来越高（发生变化） 大数据横向扩展 配置不发生变化，服务器数量越来越多（发生变化）
2、分布式
传统的方式资源（cpu/内存/硬盘）集中 大数据方式资源（cpu/内存/硬盘）分布(前提：同等配置的前提下)
3、可用性
传统数据备份方式单份备份 大数据数据备份方式多分备份（数据复制，默认三个副本）
4、模型
传统的计算模型是移动数据到程序端 大数据计算模型是移动程序到数据端 io 和网络的使用率都非常低，且多节点存储，多节点计算（众人拾柴火焰高）
