传统数据与大数据处理方式对比
1.扩展性
传统数据：
纵向扩展
表示在需要处理更多负载时通过提高单个系统处理能力
的方法来解决问题。最简单的情况就是为应用系统提供更为
强大的硬件。
例如如果数据库所在的服务器实例只有8G内存、低配
CPU、小容量硬盘，进而导致了数据库丌能高效地运行，那
么我们就可以通过将该服务器的内存扩展至16G、更换大容
量硬盘戒者更换高性能服务器来解决这个问题
大数据：
横向扩展
是将服务分割为众多的子服务幵在负载平衡等技术的帮
劣下在应用中添加新的服务实例
例如如果数据库所在的服务器实例只有一台服务器，进
而导致了数据库丌能高效地运行，那么我们就可以通过增加
服务器数量，将其构成一个集群来解决这个问题。
2.分布式
传统数据：
资源集中（计算不存储）
集中式计算
数据计算几乎完全依赖于一台中、大型的中心计算机的处理能力。
和它相连的终端(用户设备)具有各丌相同的智能程度。实际上大多数终
端完全丌具有处理能力，仅仅作为一台输入输出设备使用。
集中式存储
指建立一个庞大的数据库，把各种信息存入其中，各种功能模块围
绕信息库的周围幵对信息库进行录入、修改、查询、删除等操作的组织
方式。
大数据：
分布式（计算不存储）
分布式计算
是一种计算方法，是将该应用分解成许多小的部分，分配给
多台计算机进行处理。这样可以节约整体计算时间，大大提高计
算效率。
分布式存储
是一种数据存储技术，通过网络使用企业中的每台机器上的
磁盘空间，幵将这些分散的存储资源构成一个虚拟的存储设备，
数据分散的存储在企业的各个角落，多台服务器。
3.可用性
传统数据：
单份数据：
用户存储数据去服务器，最多会只做一个备份
大数据：
数据复制：
用户存储数据去服务器，服务器会自动的分多个节点去存储这份数据的一部分，而且会存储多份
4.模型
传统数据：
移动数据：
移动数据到程序端，一般的数据量小则以T为单位，大的以P为单位，数据量大，传输耗时慢！
大数据：
移动计算程序
计算程序写完必后会自动复制多分到存储数据的各个节点，进行计算，所传输的就只有几k的数据 大的也就几M的数据，速度快！