大数据技术应用实践解决方案|免费下载.pptx

《大数据技术应用实践解决方案|免费下载.pptx》由会员分享，可在线阅读，更多相关《大数据技术应用实践解决方案|免费下载.pptx（77页珍藏版）》请在悟道方案网上搜索。

1、大数据技术应用实践解决方案,目录,什么是大数据,1,大数据各行业需求和应用,2,大数据需要哪些支撑技术,3,大数据架构和具体实践,4,1,大数据定义 - 不同行业的不同声音,大量数据管理,大量用户,数据分析,群体,海量计算,2,专业咨询公司 IDC 对大数据特征的定义 -4V,Velocity- 速 度,Variety- 多样性,Value- 价值密度,Volume- 巨 量,数据量巨大,结构化数据、半结构化,沙里淘金，价值密度低,实时获取需要的信息,数据和非结构化数据,大数据区分于传统数,一部数小时的视频，可,全球在 2010 年正式,据最显著的特征。如,如今的数据类型早已不,能有用的数据仅

2、仅只有,进入 ZB 时代,今已是 ZB 时代，在,是单一的文本形式，订,一两秒。如何迅速“提,IDC 预计到 2020 年，,如此海量的数据面前，,单、日志、音频，能力,全球将总共拥有 40ZB,纯”是大数据亟待解决,提出了更高的要求,处理数据的效率就是,的数据量,的难题,企业的生命,3,大数据为什么这么热,4,大数据带来技术变革 - 技术驱动,? 全球技术研究和咨询公司 Gartner 将“大数据”技术列入 2012 年对众多公司和组织机构具有战略,意义的十大技术与趋势之一,大数据,? Gartner 在其新兴技术成熟度曲线中将“大数据”技术视为转型技术,分析处理,? 传统技术升级已满足不了

3、大数据处理的需求，“大数据” 技术将在未来 3 5 年内进入主流。其,技术形态也会产生较大的变化,计算瓶颈,数据库瓶颈,存储瓶颈,网络瓶颈,5,大数据带来哪些技术变革 - 技术驱动,单机,集群,计算,横向扩展,单机,块存储,块级虚拟化,存储,横向扩展,文件存储,分布式文件系统,设备间连接,10GE FC IB,网络,10GE SAS IB,设备内连接,分布式数据库,数据库,关系型数据库,非关系型数据库,6,大数据带来哪些技术变革 - 商业驱动,?,2008 年马云通过阿里巴巴平台的询盘数,据统计结果提前半年成功预测了经济危,机的发生,?,数据驱动的决策 : 大数据分析意味着企,业能够从这些新的

4、数据中获取新的洞察,力，并将其与已知业务的各个细节相融,合，用数据创造价值,7,目录,什么是大数据,1,大数据需要哪些支撑技术,2,3,大数据各行业需求和应用,大数据架构和具体实践,4,8,大数据的技术概念,9,大数据的技术概念,当数据量变大只能通过升级船的大小来解决（升级 CPU, 内,存，磁盘容量）但受限于硬件本身这种方式升级已达到极限,10,大数据的技术概念,?,11,大数据的技术概念,? Bi,数据采集,数据存储,数据管理,数据分析,BI 分析工具,大数据时代采用新的方式来处理（分布式并行处理）其组件,扩展灵活，数据承载能力强，管理统一，但管理起来相对复,杂（统一架构，统一管理）,12

5、,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,廉价货物：普通船（廉价存储不带任何增值特性）,对存储无特殊要求 ( 可以是服务器，可以是存储，硬件的损坏是常态。,13,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,中高价值货物：专业船，对存储有要求，需要专业含有多种保护机制及增,值特性的存储,14,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,BI 分析工具,数据直来只去数据运载过程中不做任何处理,15,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,BI 分析工具,数据运载过程中做粗加工处理,16,大数据的技术概念,数据采集,数据存储,数据管理,

6、数据分析,BI 分析工具,数据运载过程中做细加工处理,17,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,河流：分布式文件系统，,决定河流的最大利用率。,这条河流上同时可以并发,跑多少条船，跑什么船,即横向扩展能力,18,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,船：存储系统，决定数据,的运载能力和处理速度。,不同的船型，功能上会有,较大的差异（数据的保护,级别，处理性能，增值特,性等）,19,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,BI 分析工具,数据运载过程中的加工处理,20,大数据的结构特征,内容（ ITEM ，图像、视频、文本 ) 数据,

7、23%,? 互联网：,（,例 非,用户行为轨迹（个体）,Google, 百度,10 %,互 结,5 %,User Profile,Facebook ,联 构,Twitter , 新浪.,网 化,社交网络数据（群体） 21 个,公 为,数据以非结构化处,平均 1 个 P 数据中,历史详单查询,35%,Web Page & Log,27%,司 主,理为主,）,结构化,25 %,网络 XDR ( 探针俘获后，含历史）,半结构化,15%,计费 CDR( 含历史）,（,非结构化,互联网 Web Page & Log( 含历史）,13%,例,结,? 在企业大数据中，,社交网络数据 3%,电

8、 构,信 化,内容（图像、视频、文本 ) 数据,7%,仍然是以结构化,12%,运 为,主数据（三户 + 订购 + 接触 等 含历史）,数据处理为主,营 主,分析汇总数据（含历史）,18%,商,7%,）,CUBE 和统一视图,21,HADOOP 大数据解决方案 - 互联网,分析平台,Hbase,MapReduce,- 非关系型数据库,- 分布式并行处理架构,HDFS- 分布式文件系统,22,Hadoop 大数据解决方案 - 互联网,数据采集,数据存储,数据管理,数据分析,廉价货物：普通船（廉价,存储不带任何增值特性）,业界通常使用 HADOOP 架,构，对存储无特殊要求 ( 可,以是服务器，可以

9、是存储，,硬件的损坏是常态，每次,存储三份数据，用多份数,据存储来保证数据的可靠,性（通常应用于互联网数,据，以大文件为主）,分析平台,HBase,MapReduce,HDFS,23,Hadoop-HBase- 非关系型数据库,“ NoSQL 是一项运动，这个运动,推动了广义定义的非关系型数据,储存系统的发展，并破除了长久,以来关系型数据库一家独大的局,面” - 维基百科,24,Hadoop-HBase- 非关系型数据库,数据采集,数据存储,数据管理,数据分析,非关系型数据库：把混杂,的数据进行（ HASH) 分类,排序,分析平台,HBase,MapReduce,HDFS,25,数据采集,数据

10、存储,数据管理,数据分析,MapReduce 是 Google 提,出的一种大规模分布式数,据处理的编程模型，也代,表一种数据处理平台或实,现。最具有代表性的开源,实现是 Apache 的 Hadoop,MapReduce ，其中,HBASE 做在线数据整理排,序， MapReduce 做线下,BI 分析工具,数据删减,分析平台,HBase,MapReduce,HDFS,26,NoSQL 代表性的产品,产品,类型,CAP,Cassandra,Columnfamily,AP （性能 可靠性）,CouchDB,Document,AP （性能 可靠性）,Riak,Document,AP （性能 可靠

11、性）,Hypertable,Columnfamily,CP （一致性 可靠性）,MogoDB,Docmument,CP （一致性 可靠性）,Neo4J,Graph,CP （一致性 可靠性）,Redis,Key/Value,CP （一致性 可靠性）,HBase,Columnfamily,CP （一致性 可靠性）,27,大数据的结构特征,内容（ ITEM ，图像、视频、文本 ) 数据, 23%,? 互联网：,（,例 非,用户行为轨迹（个体）,Google, 百度,10 %,互 结,5 %,User Profile,Facebook ,联 构,Twitter , 新浪.,网 化,社交网络数据（群体）

12、 21 个,公 为,数据以非结构化处,平均 1 个 P 数据中,历史详单查询,35%,Web Page & Log,27%,司 主,理为主,）,结构化,25 %,网络 XDR ( 探针俘获后，含历史）,半结构化,15%,计费 CDR( 含历史）,（,非结构化,互联网 Web Page & Log( 含历史）,13%,例,结,? 在企业大数据中，,社交网络数据 3%,电 构,信 化,内容（图像、视频、文本 ) 数据,7%,仍然是以结构化,12%,运 为,主数据（三户 + 订购 + 接触 等 含历史）,数据处理为主,营 主,分析汇总数据（含历史）,18%,商,7%,）,CUBE 和

13、统一视图,28,大数据解决方案 - 企业,分析平台,MPP-DB,- 分布式数据库（关系型）,HDFS- 分布式文件系统,29,大数据的技术概念,数据采集,数据存储,数据管理,数据分析,中高价值货物：专业船，,对存储有要求，需要专,业含有多种保护机制及,增值特性的存储,分析平台,MPP-DB- 分布式数据库,HDFS- 专用分布式文件系统,30,并行数据库 企业数据分析,传统的关系数据库部署难以处理 TB 级数据，不能很好的支持高级别的数据分析。,理想的满足海量数据管理和实时性处理要求的数据,库服务器拥有无限快的处理器、无限容量和无,限带宽的存储，并且相对的便宜,我们能够拥有这样的机器吗 ?

14、NO,有限快的处理器 * ”无限”数量=“无限”快的处理能力,有限带宽和容量的存储单元 * ”无限”数量=“无限”容,量和”无限”带宽的存储能力,31,MPP DB- 并行数据库 - 企业数据分析,数据采集,数据存储,数据管理,数据分析,赵,11,8 25,我,14 6,1,8,20,王张 李,8,张,72 赵,08 钱,11,钱,3 6,1 2,9 14,张 李,2,BI 分析工具,88 5 刘 15,孙 14 李 26,分析平台,MPP-DB,HDFS,32,并行数据库代表性的产品,产品,厂家,Sybase IQ,SAP,Teradata,Teradata,Greenplum,EMC,Gr

15、idSQL,GridSQL,Aster Data,Teradata,Vertica,HP,33,NoSQL& MPR 可以代替关系数据库吗？,比较内容,模式的支持,索引,编程模型,数据分布,性能 PDBMSs MR systems,执行策略,灵活性,容错,34,取长补短，共赢未来,分析平台,MapReduce,HBase,HDFS,NoSQL MapReduce 和关系型数据库,不是互相取代，而是互相补充，需要互,相学习取长补短。,分析平台,MPP-DB,HDFS,35,企业大数据应用模式 - 混合架构,架构模式： Hadoop + MPP RDB /SMP RDB ；,处理方式： H

16、adoop 处理非结构化，为辅； RDB 处理结构化，为主；,非结构化： Hadoop 方案，对服务器和存储无特殊要求，廉价为主；,结构化： MPP RDB /SMP RDB +Hadoop （只负责存储计算需做重大修改）或用新分布式文件,系统来替代，对计算和存储有要求（可靠性，高性能，增值应用等）,MPP-DB,MPP-DB,36,企业大数据应用模式 - 混合架构,分析平台,MapReduce,HBase,HDFS,分析平台,MPP-DB,HDFS,37,各厂家大数据产品,EMC,HP,Oracle,EMC,Net App,IBM,38,各厂家大数据产品,MS,SAP,DELL,SAS,Te

17、raData,39,目录,什么是大数据,1,大数据需要哪些支撑技术,2,大数据各行业需求和应用,3,大数据架构和具体实践,4,40,中国大数据各行业市场规模,100,150%,138%,2011-2016 中国大数据市场规模,80,120%,107% 110%,?,计世资讯认为： 2011 年是中国大数据市场元年，一些大数,92%,60,90%,81%,据产品已经推出，部分行业大数据应用案例的产生 2012-,市场规模,40,60%,2016 年将迎来大数据市场的飞速发展,增长率,20,30%,?,计世资讯预测： 2012 年中国大数据市场将迎来增速为,0,0%,0%,138.3 的飞跃到 2

18、016 年整个市场规模逼近百亿,CCW Research 2012/04,其他,4%,互联网,2012 年各行业大数据市场规模,15%,政府,15%,?,2012 年政府、互联网、电信、金融的大数据市场规模较,电信,交通,11%,大，四个行业将占据一半市场份额为 138.3 的飞跃到 2016,4%,年整个市场规模逼近百亿,能源,流通,8%,4%,?,由于各个行业都存在大数据应用需求，潜在市场空间非常,教育,金融,4%,11%,可观,零售,医疗,6%,制造,CCW Research 2012/04,9%,9%,41,企业大数据需求分析,企业数据架构存在的问题,企业分析数据处理的问题,39%,4

19、0%,20%,20%,29%,13%,30%,11%,24%,10%,10%,20%,18%,13%,9%,10%,0%,缺少数据全方,ERP 软件处,海量数据,实时分析,位分析方法,理能力差,处理能力差,能力差,0%,扩展性差,资源利用率低 应用部署复杂,运营成本高,高能耗,其它,60.00%,55.30%,各行业对大数据的关注程度,45.90%,50.00%,44.10%,44.00%,40.50%,39.20%,37.60%,36.90%,37.30%,35.70%,40.00%,未听说,33.10%,32.80%,31.60%,31.10%,33.90%,30.10%,29.60%,2

20、8.90%,26.40%,26.30%,22.90%,30.00%,25.40%,仅听说过 不了解,22.30%,22.10%,22.30%,21.90%,23.80%,20.10%,20.00%,19.80%,19.80%,有一定了解,20.00%,15.30%,14.60%,14.40%,14.20%,12.60%,11.30%,10.40%,9.70%,9.10%,8.20%,7.90%,6.10%,十分关注,10.00%,5.50%,0.00%,CCW Research 2012/04,互联网,电信,流通,金融,医疗,零售,教育,能源,制造,交通,政府,42,互联网,客户需求,客户面临

21、的挑战,?,数据增长速度极快， IT 设备激增，管理难度加大,?,综合性的分析处理工具,?,实时分析能力差，影响快速营销能力和效果，用,?,数据实时分析,户体验不佳,?,便捷的扩展性和易管理性，廉价的硬件,?,海量数据处理效率低，缺乏数据全方位分析方法,社交网络,B2C 业务,在线音视频业务,精准营销,43,互联网 : 大数据是基本业务需求,44,运营商,客户面临的挑战,客户需求,?,IT 渗透严重，业务向 IT 靠拢，基于 IT 的新业务数据激增,?,业务数据的集中整合管理,?,传统业务数据增长迅速，规模线性膨胀,?,可扩展，高性能的数据硬件,?,数据存储，系统维护，数据有效利用存在巨大压力

22、,?,综合性分析工具，提升业务和营销效率,实时营销,线路监控,新业务挖掘,业务推送,45,运营商：开始尝试利用大数据进行数据的增值,?,10 月 TLF 在英国成立了 Dynamic Insight 子,公司；发布第一款产品 Smart Step 为合作,伙伴提供消费者的流动信息,Verizon 发布 Precision Market Insights ；,?,为媒体、广告商、零售等提供消费者的流动、,消费习惯等信息,2010 年 12 月起， AT&T 建立 Big Data 平台，降低,用户 Churn ，提升用户体验,?,54% 的欧洲运营商将 Big Data 纳入组织战略中,

23、?,联通利用 Hadoop 进行上网记录分析，解决移动,?,用户投诉上网流量问题,?,Truvsio 为 FT （ Orange ）提供移动数据实时分析,启示：运营商对大数据的诉求已经不再是用户体验、网络质量、降低离网率，而是希望通过拥有的数据,资产创造财富，抓住与消费者相关的银行、零售等行业都有类似的机会,46,金融,客户面临的挑战,客户需求,?,发卡量迅速增加， 数据开速增长,?,数据的集中整合管理,?,传统业务数据增长迅速，规模线性膨胀,?,可扩展，高性能的数据硬件及数据仓库,?,数据存储，系统维护，数据有效利用存在巨大压力,?,综合性分析工具，提升业务和营销效率,股票投资,信贷业务,电

24、子支付,票据归档查询,47,金融：大数据的积极先行者,48,能源,客户面临的挑战,客户需求,?,数据量大，数据分散，管理难度加大,?,高带宽，可扩展存储,?,数据格式多，数据重复，数据传输效率低,?,可处理多种复杂数据的分析解决方案,?,数据缺乏有效分析方法,地震数据处理,智能电网,49,能源：智能化和精准的业务是利润的来源,50,媒资,客户面临的挑战,客户需求,?,采集技术,?,高性能存储，高效率的检索,?,存储及网络传输技术,?,方便快捷的管理,?,管理技术,?,编码技术,录播系统,非编系统,影视后期制作,视觉及其它动画制作,51,公安刑侦,客户面临的挑战,客户需求,?,视频数量大查阅人工

25、操作，耗时长,?,综合性的分析处理工具,?,实时分析能力差，影响破案速度,?,警用模型库的建立,?,图像格式不统一，查询效率低,?,数据共享，格式转化,?,数据分散，缺乏有效数据共享,视频在线分析,视频离线分析,知识库收集,视频监控,52,公安刑侦,53,卫星测绘、健康生命科学,客户面临的挑战,客户需求,?,数据增长速度极快， IT 设备激增，管理难度加大,?,综合性的分析处理工具,?,实时分析能力差，影响快速营销能力和效果，用户,?,高性能可扩展文件存储,体验不佳,?,便捷的扩展性和易管理性,?,海量数据处理效率低，存储是主要瓶颈,卫星数据抽取及分级处理,卫星数据分析,卫星数据推送服务,卫星

26、数据归档查询,54,卫星测绘、健康生命科学,55,不同行业不同应用需要不同的技术,锲合度,互联网,政府（公共事业）,高,电信,医疗,制造,?,大数据存在于各个行业领域,能源（石,金融,根据市场的关注度和技术成,熟度将陆续应用,油 / 电力 ),中,零售,流通,?,不同行业不同应用会使用不,教育,同的产品和方案来满足自身,的实际需求,低,低,高,中,应用可能性,56,目录,什么是大数据,1,大数据各行业需求和应用,2,大数据需要哪些支撑技术,3,大数据架构和具体实践,4,57,N9000 逻辑架构 -( 数据分析 + 分布式文件存储 + 归档+）,应,媒资 互联网 高性能计算,行为预测、实时分析

27、 ,用,层,大数据共享,大数据分析,非结构化数据、对象数据、结构化数据,BI,Map-reduce,归档接口,HDFS,NAS 接口,对象接口,数据库接口,统一管理、统一命名空间,存,负载均衡 动态分级存储 配额管理 远程复制、快照 MPP 并行数据库 全局数据重删,储,NAS,分析,归档,10GE/Infiniband,层,13 年暂不实现，,node,node,node,node,node,node,后续版本补齐,58,WushanFS ：业界最大的单一文件系统,应用服务器,河流：业界最大的文件系统,性能和容量可 单独 扩展,全对称分布式架构 , 无元数据节点,元数据 均匀 分散，消除元数

28、据节,点性能瓶颈,40PB 单一文件系统,WushanFS,59,按需扩展，降低购买成本,河流：可最大支持 288 艘,船（存储节点）并行操作,288 节点,应用服务器,3-288 节点线性扩展,60 秒 之内完成单节点扩容,无需人为干预，无需任何改动,60,分布式 RAID ，高可靠的数据保护,船：含有多种增值特性的,专业船（存储节点的增值,软件）,交换机,高达 80-95% 磁盘利用率,+1,+2,ECC,ECC,+3,+4,N+1 到 N+4 的数据保护,ECC,ECC,文件级别 的数据保护,数据恢复 1 小时 /TB,61,自动分级存储，提高资源利用率,船：含有多种增值特性的,Wush

29、anFS,船（存储节点的增值软,件）,高性能节点,WiseTier,非热点数据自动迁移，利用率提高 65%,高带宽节点,文件级细粒度，基于 I/O 热度 的精准的热点定位,WiseTier,热点 防抖动 策略，防止频繁迁移,大容量节点,WiseTier,用户 完全透明 的迁移过程，不影响应用程序,热数据,普通数据,冷数据,62,智能负载均衡，降低复杂度和更高效率,船：含有多种增值特性的,专业船（存储节点的增值,软件）,OceanStor N9000,?,在 所有节点 间自动进行负载均衡,?,自动平衡 容量和性能,WushanFS,WiseLink,WiseLink,WiseLink,WiseL

30、ink,?,无需 人工干预， 无需 更改配置,node,node,node,node,?,对应用 透明,64,N9000- 并行处理数据库,11,8,25,赵,6,我,14,1,20,张,李,王,8,赵,72,08,钱,11,1,2,3,6,9,14,张,李,88,刘,15,5,26,14,李,孙,易于扩展架构，数据分析的最佳选，,最优化的 I/O 处理,节点增加，查询和加载能力线性扩展,磁盘,磁盘,磁盘,磁盘,数据分散所有并行节点，单节点损坏,不影响数据处理,Share Nothing( 无共享）海量并行处理架构,65,N9000- 全生命周期的大数据产品,数据采集,数据存储,数据管理,数据

31、分析,赵,11,8 25,我,14 6,1,8,20,王张 李,张,72 赵,08 钱,288 节点,钱,分布式数据库,3 6,1 2,9 14,张 李,2,BI 分析工具,88 5 刘 15,孙 14 李 26,66,对大数据开源的贡献,? 8 名 Contributor( 在最新 HBase 版中，的贡献占 24%),1 名 HBase Committer （全球共有 13 名）， 1 名 HDFS Committer,? 均衡投入与贡献 No.7 & No.1,68,大数据统一架构,OLAP,数据可视化,数据挖掘,日志留存,内容检索,视频分析,大数据一体化平台,应用适配 , Pr

32、ogrammable 接口,分布式计算和分析,集成,管控平面,批处理 (Galax HD ),实时处理和内存计算,近实时分析和 MPP DB,3 rd Party,) Hive,Pig,Mashout,SQL,HBASE,Tool,流处理,Query Planner,策略调度,Hcatalog,内存数据库,MapReduce,MPP Exec,Lucene,资源管理,(YARN, 多,Flume,分布式存储,户 ,Zookeeper,),Hadoop FS API, NFS/CIFS,Posix,ISCSI,S3,Data,Scaleout,Loader,Scaleout DB,Scaleou

33、t Object,Scaleout Block,Filesystem,设备管理,Sqoop,Scaleout backup,Cloud OS,网络（交换机，路由器）,通用服务器,存储节点,集成和优化,自研组件,合作,69,Data,Bridge,HPC 高性能计算应用场景,高性能,?,全球领先的读写性能，性能超过 500 万 + ，可以很,能源地质,科研教育,空间探索,生命科学,科学计算,好的满足高性能应用的需求,HPC 头节点,计算节点队列 计算节点队列,计算节点队列,2,高可用,1,n,?,全系统无单点故障，长时间稳定运行，数据更安全,横向扩展,?,动态扩展，满足未来业务发展的需要，整体性

34、能,10GE/Infiniband,随存储节点数量线性增长,低成本,?,通过使用消费级硬件，降低采购成本,?,降低维护成本,N9000,70,HPC 应用场景卫星测绘,卫星信号处理,Request,?,存储大文件（ GB-10GB 级）和小文件,编解码处理,（ KB 级）并存，大文件读写 ( 单文件可,达 200G),图片查询系统,卫星图片编辑系统,图片分析系统,?,每天产生 TB 级的数据，存储总量 PB 级,WEB 服务器群,?,生成图像产品时批量作业，要求存储,智能手机,PC,编辑工作站,编辑工作站,高吞吐,?,原始数据不允许丢失,数,Solution,据,数据免,地,?,5,000,0

35、00+ OPS 业界性能第一，应,装载,形,对每天产生的大量图片存储的需求,应,?,数据动态分级，存储访问效率提升 5 倍,在线,在线,近线,用,?,3-288 节点超大线性扩展能力，业务持,续增长轻松扩容,N9000,71,HPC 应用场景基因测序,Request,?,业务量不断增长，需要高性能、大容量,健康信息,、扩展性好的存储,实验数据,?,Hadoop 兼容：存储需兼容 Hadoop 环境,?,管理复杂：手动将数据从计算集群迁移到,化合物库,二级存储，过程复杂繁琐,一级存储,基因测序仪,?,成本高：传统备份软件导入数据到磁带中,，成本高,Solution,?,按需扩展：按照业务需要，扩

36、展存储的性,?,HDFS 接口：兼容 Hadoop 环境，无需二,次开发,Hadoop 高性,?,存储系统具备自存储、分析能力，免除手,三级存储,二级存储,动数据迁移，降低管理复杂度,能计算集群,?,无需购买备份软件，降低采购成本,72,大规模数据中心应用场景,高性能,传统存储型业务,大数据和高性能企业私有云业务,?,全球领先的读写性能，性能超过 500 万 +,大数据分析,NAS,归档,大数据共享,BI,，可以很好的满足高性能应用的需求,XDBC SQL,NFS/CIFS,S3,ISCSI,Map-Reduce Interface,HDFS,数据快速迁移,?,存储到分析数据快速装载，智能流动,N9000,?,快速查询 : 最快一秒钟可检索 100 亿条记,录,归档,分