大数据存储技术标准化的探讨

在Hadoop平台上分析大数据存储技术的标准化问题，详细描述了现有大数据库的存储技术以及应用情况，从数据采集、并行计算框架、以及结果的输出、并行数据处理等方面来探讨大数据存储的标准化问题。     

大数据环境下基于NoSQL数据库的存储技术研究

文章通过研究和分析了典型的NoSQL数据库技术,基于该平台和Hadoop云架构,完成了非结构化的数据云存储架构的设计,可以很好的解决传统的关系型数据库在应对非结构化数据存储过程中的效率低下等问题。     

大数据场景下的云存储技术与应用

文章认为随着大数据应用规模的扩大,新业务环境和场景对海量云存储需求的迫切,云存储平台需要打破原有的框架,改变组网和管理方式,以满足新的业务需求。文章分析了各种场景,提出了云存储的需求及关键技术等。文章指出大数据需求促进了云存储的发展,而云存储的发展则带动了新的业务应用。     

大数据场景下的云存储技术与应用

在大数据时代背景下云存储技术已经为人们的生产、生活带来了巨大的便利,但是与此同时云存储技术的安全性问题也成为制约云存储技术发展的重要屏障。本文通过对大数据场景下云存储技术的分析,阐述云存储技术的具体应用,因此提出完善云存储技术安全性的具体对策。     

大数据时代下云存储技术在消防信息化系统中应用

经过多年的发展,消防部门建立了各类信息化应用平台,这些平台在应用过程中产生大量的数据存储。由于业务应用的不同,消防部门现有的各类数据存储系统相对独立,无法做到数据共享。文章从消防部门现有存储系统的现状进行分析,通过云存储系统来模拟建立一个火灾数据挖掘服务为例,展示了云存储系统为消防信息化建设带来的变革。     

大数据存储技术及其标准化分析探讨

随着现代化技术的不断发展,在数据存储上也发生了极大变化,各行各业均开始运用大数据存储来保障系统运行有效性。本文基于这一背景,简单阐述了大数据以及存储技术的概念,分析了大数据存储的几项技术,并在此基础上针对其标准化展开研究,旨在优化大数据存储方式,提升数据使用有效性。     

面向大数据的分布式系统设计关键技术研究

随着云计算、物联网等信息技术的飞速发展,异构数据源越来越多,数据信息量在飞速增长,数据的类型也复杂多样,不仅使得信息系统规模日益庞大,也导致海量非结构化数据管理复杂、异构数据存储利用率低下、资源不易扩展等问题。     

云平台下的NoSQL分布式大数据存储技术与应用

随着移动互联网云计算、大数据的快速发展,以图片、视频等组成的数据存储急剧增加,目前已有存储方式无法满足系统需要,而No SQL分布式大数据存储技术因其具有可扩展、快速读取、海量处理等特点,其在云计算领域如雨后春笋般被广泛应用。采用基于Hadoop平台和No SQL的Mongo DB数据库技术设计非结构化数据云存储架构,证明云存储的非结构化数据存储技术可缓解当前非结构化数据存储面临的难题,提升非结构化数据存储服务质量。     

云存储技术在视频监控中的应用研究

在视频监控系统中应用云存储技术,可以满足高清视频大规模接入、数据存储安全以及数据管理维护的要求,本文首先对云存储技术进行介绍,并对云存储技术的优点以及具体的应用方式进行了探讨.     

大数据场景下的云存储技术与应用

利用U盘、手机以及电脑等设备进行的存储均能够被叫做大数据,通过这种存储方法具有很强的便利性和快速性。但社会的信息来源非常广,数据是源源不断的,大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。所以为了使信息得到更好的存储,有必要引入使用云存储技术。本文先对在大数据场景之下得到云存储技术展开简要的分析,之后说明了在大数据场景之中云存储技术的应用方法。     

大数据存储和分析技术应用及标准化

介绍了大数据在电信行业的主要应用方向及特点,并结合对大数据技术软件框架的分析而提出了部署思路及建议。通过对大数据存储和分析技术的应用接口标准化的探讨,对目前应用接口标准化可行性做了分析。     

云存储技术与标准化

通过研究分析云存储技术整体架构的五个层次:基础设备层、平台软件层、应用接口层、业务应用层以及用户访问层,提出从云存储技术基础、云存储设备、云存储软件和云存储安全等四个方面开展云存储技术标准化工作的建议。     

内存映射技术在大数据存储应用中的研究

针对无线网络技术研究中对大数据实时存储和国产化需求,在Qt平台下利用内存映射技术,设计实现了一种针对大数据的实时存储方案,可实现对无线网络中频采样数据和解调解码数据的实时存储。并通过设计有效的索引机制,极大的提高了后续离线数据分析时的数据搜索效率。最后通过测试代码对该内存映射文件存储技术进行了实验验证。     

微全息存储技术及其研究进展

微全息存储是按"位"进行信息存储的技术,所存储的每个全息图代表1bit的数据信息量。该技术采用两束相向传播的高斯光束在其焦斑范围内干涉,存储材料将干涉图样记录下来形成微米大小的全息图。结合适当的混合复用技术有望在CD尺寸的存储介质盘内实现1TB的存储容量。微全息存储器的系统结构和传统的光盘系统类似,与现有光盘存储技术和驱动系统的兼容性好。阐述了微全息存储的基本概念和原理,从存储材料、复用技术和实现的存储密度以及微全息存储系统等方面综述了微全息存储技术的发展和目前所取得的成果,指出了其未来的发展趋势。     

大数据标准化现状及展望

首先介绍大数据标准化的发展背景和面临的挑战,概述国内外大数据标准化发展现状,进一步详细介绍美国国家标准与技术研究院在大数据标准化方面的工作进展,最后对我国大数据标准化的工作方法和标准化体系提出建议。     

大数据环境下的可靠存储技术思考

针对分布式容错技术的研究,提出了两点关键要求:降低冗余开销、提高节点修复效率。分析目前主流的容错策略:复制、纠删码、再生码、基于局部可修复码,并认为这些容错策略存在不同程度的缺陷,因此设计出容错能力、计算效率及存储利用率更高的容错策略,仍是未来很长一段时间内值得深入研究的问题。     

云数据存储和管理标准化研究

分析云数据存储和管理面临的挑战,指出云数据存储和管理接口标准化问题,提出云数据存储和管理接口标准体系架构,并对标准体系架构中两类云数据存储接口和三类云数据管理接口分别进行阐述,提出未来的标准化工作建议.     

Big Data Technology and Application

With the rapid development of Internet technology,social networks and other emerging service to human society data types and scale is increasing with hitherto unknown speed,big data era is coming.Data from the processing object simply become a basic resources.The scale effect of large data poses a great challenge to data storage,management and analysis of data,data management mode change is brewing and occurrence.     

大数据平台云化技术

论述了大数据技术领域的发展趋势,从资源、能力、业务3个层面阐述了大数据平台云化的必要性和可行性;然后,结合Amazon EMR/Kinesis、VMware BDE、OpenStack Sahara等典型案例探讨了大数据平台云化的关键技术;最后,就大数据平台云化在未来发展中面临的关键问题进行了深入分析,为相关技术的研发和应用提供了重要参考.