其实真的不需要IB.分布式就是为了解决存储并发产生瓶颈问题的。没个点都可以同时接收来自客户端的io读者请求。所以直接利用分布式已给出的解决方案就好！

不仅会有设备性能差异，新设备的稳定性 可靠性也需要一段时间来验证，上线前很有必要使用合适工具就系统 及 业务进行压力测试 和 峰值测试 ，网络测试 数据io测试 数据处理测试等一系列测试 以发现潜在风险， 也支持分梯队更换。...

1、不要太大，也不能太小。我们设置的是128M2、一般128M会写入，但如果region太多,不到128M就会写入了3、WAL

硬件选型没有通用的规范，主要和你具体的业务挂钩。比如数据量，并发量，读写比例等等。生产环境中等公司推荐这样吧。以mysql和mongodb为例。cpu 32核 内存 64G 硬盘容量看需要。类型的话有钱ssd，没钱15ksas,数据重要raid10，不重要raid5+热备盘...

相对于传统存储，对象存储的海量非结构化数据的读取（索引）效率更高。对象存储的读取方式，首先每个对象在完全平展的一个平面上，不存在文件级、目录树的概念，所有多项都在一个层级，其次对象存储的访问是通过唯一的Object ID来完成访问的，而这个ID是一个由系统定义，可设置位数的，字母...

mysql：自带的mysqldump，或者第三方的xtrabackupmongodb:mongodump或者mongoexporthbase不了解

数据量越来越大，如果是大数据项目，数据量越大，发挥的价值才会越大，此时就不能采用传统的备份技术来保障数据和业务的可靠性了，大数据架构底层均采用分布式架构1、前端业务，采用多台服务器并行计算（MR 、Spark、Storm等计算框架）2、底层数据采用多副本机制，副本之间实现自动的复制...

HBase适合与数据量非常大，容量达到TB级，数据达到亿量级的应用场景，才能发挥HBase的优势

读写请求大量出错的现象主要有两类： 1 、大量出现服务端 exception 2 、大量超时。其中第一种有异常信息较好判断问题所在。 1 、大量服务端 exception 一般是 region 不在线导致的，可能是 region 在 split 但是时间很长超过预期，或是 meta 数据错误导致客户端获取 regio...

hive上对数据的修改和删除确实比较困难，但是hbase支持的比较好的。现在cloudera推出一款新的产品,kudu，也可以试一试。