大数据平台下保障性能？

如何保障大数据平台的处理性能，关键还是看应用场景和业务需求，不是每种业务都需要高性能。
1、在类OLTP场景下，大数据平台有像HBase一样的组件，保证数据读写具有极高的性能和吞吐量。
2、在OLAP场景下，大数据平台有像Impala、Kudu、Kylin、Druid这样引擎，通过内存或预计算的方式保证查询性能。
3、在离线分析场景，有像Hive、Spark、Mapreduce这样的引擎，分布式处理海量数据，在这种场景下，性能和响应时间已无法做到保证。

1、大数据的底层全部都是分布式架构，分布式架构具有很强的横向扩展能力，而且是使用廉价的PC服务器即可组件分布式架构，只有增加服务器数据，性能也可以横向扩展，
2、另外大数据平台在数据处理方面也均是采用分布式处理技术（例如 MR、 Hive、 Hbase 、 HDFS）
3、另外还有一些是基于内存的数据计算和处理架构Spark技术，
大数据平台下对性能的要求没有和传统的交互式的响应不太一样，大数据分为实时和离线计算，实时计算要求响应时间，离线计算对于响应时间没有太高的要求