你是指从数据库的报告里看到的等待吧？需要具体看看等待是哪一种等待，以此来针对性的做调整。（需要有数据库的知识）。如果这个等待事件是个比较general的等待，那么可以看看与这个等待事件离的比较近的是什么事件，猜测等待是由这个具体的事件导致，从一个比较具体的事件入手分析和...

事件处理池，是通过虚拟化将同类系统资源需求的承载事件处理功能建设在一个高可用的集群池里。他可以是虚拟化的，也可以是集群热备的。在大数据事件处理环境中建议采用高可用硬件集群池和高可用负载均衡器技术共同组成事件处理集群。...

事件池的处理速度是第一保障的，选择使用队列+流式处理的框架，比如kafka+storm来处理。事件统一放入kafka中，storm中定义处理事件的处理事件。这样的效果是不用担心是否能及时处理事件，如果处理有延迟，增加服务器数量即可。...

正如您所说，确实要根据场景来判断。目前整体来看，大数据无论采用MR或者Spark，都牵扯到了，大量的迭代计算和suffling，对CPU有很高的要求。所以，从硬件选型来看，首先，CPU的计算能力最为重要，这也是为什么Power8 的Linux的服务器在MR或者SPARK上有很好的表现。其次，对于批处理方面的计...