大數據，不僅僅是數據量大，同時在其他方面，也有一定的特點。
之一，大數據數據體量非常大，傳統的單機存儲系統，已經無法在存儲這么大量的數據，此時需要用到分布式存儲技術。
第二，大數據的數據種類非常多，數據的格式也會變得復雜，比如數據種類有視頻、文檔、圖片、消息記錄等等。
第三，大數據中潛藏著非常重要的價值，通過數據分析技術，對商業決策做出智能化以及數據化的支持。
大數據最主要的功能，就是為公司上層提供商業化決策支持，讓公司能夠結合歷史數據，往正確的方向發展。大數據技術主要分為兩類：大數據計算和大數據存儲。
大數據計算主要分為離線計算和實時計算，具體使用要看業務場景對于數據產出時延的要求
離線計算對于數據的產出會有一定的時延，具體時延可以是15分鐘、小時或者天級別的。離線任務一般會對數據進行全局批計算，這一次運行完就運行完了，不會像實時計算那樣，除非你自己停止實時任務，否則實時程序會一直運行。
實時計算數據是不斷產生的，一般數據產出的延遲會很低，最多是秒級別的。比如我們的數據大屏、實時數據流的加工處理等，這些場景對于數據的產出的時延要求很低。
離線計算的話，一般對于數據的產出時延沒有那么高的要求，只要數據最終產出即可，具體使用像現在很多公司離線業務報表。目前大多數公司離線計算引擎使用的是Hive或者Spark，實時計算引擎目前主要是Flink。
大數據存儲需要數據分布式存儲，單機不能夠在存儲這么多巨量數據
在傳統的關系型數據庫中，當一個表非常大時，會使用分庫分表技術，將表分布式的存儲在不同的機器上面。分庫分表技術可以使用開源工具TDDL。
在非關系型NoSQL數據庫中，一般更底層的文件存儲系統可以選擇HDFS。HDFS文件系統將文件按照塊來進行存儲，一個塊的大小為128兆，同時每個塊會存儲三份，對數據進行容災存儲，即使其中一個塊壞了，可以選擇其他塊進行數據恢復。
分布式數據庫系統可以對數據表進行水平分割和垂直分割。比如HBase數據庫，水平分割使用的是Region，垂直分割則是使用的列族。
分布式數據存儲技術，需要不同機器一起協同工作，每臺機器存儲整體數據的一個子集。在未來大數據時代，肯定都會使用分布式數據存儲，分布式數據庫，會成為大數據系統的標配。
