新的数据库应具有以下特点:首先，应采用支持大规模并行处理的分布式架构；其次，要使用符合工业标准的开放硬件和系统平台，保证成本可控；再次，随着开源技术的成熟和快速创新，新的数据 library平台应该很容易与新的开源技术集成；第四，新的数据 library平台应能实现与Hadoop平台的无缝集成，实现跨结构化、半结构化和非结构化海量数据的混合分析能力。
4、大 数据还能火多久?big 数据会持续多久？就像穿越到80年代去问个人电脑能用多久。现在，我们不认为个人电脑很受欢迎。因为，它已经成为人类工具箱里的一个强有力的工具，提高了人类的生产力。相信Da 数据也会成为我们工具箱里的这样一个工具。其实对于真正的大数据圈，大数据已经落地了。七仙女虽然是神仙，但也成了农民媳妇，没必要多讨论。
大数据更像是一个“系统工程”，在企业的接受速度上落后于全行业的-0。2017年，“Da 数据”这个词正在逐渐淡出我们的视线，但技术本身仍在快速扩张。各行各业各种大数据应用的相关产品日趋成熟，在越来越多的世界1000强企业中投入实际使用。许多初创企业在这些技术的帮助下实现了收入的快速增长。与此同时，炒作开始转向这个生态系统中的机器学习和人工智能领域。
5、大 数据如何变得如此之大今年真的是数据:作为一个概念，作为一个术语，作为一个营销工具。大数据异军突起，突破科技界局限，成为主流。首先，关于“Big 数据”，必须强调的是，“Big 数据”是今年在瑞士达沃斯9374.html举行的世界经济论坛上的一个特色主题，报告的题目是“Big 数据，巨大的影响”。今年3月，美国联邦政府宣布投资2亿美元启动“Big 数据研发计划”。
《纽约时报》也采用了这个名字，文章标题为Da 数据 Times和数据 Big Campus。宣告“大数据”的时代已经确定到来的标志是斯科特·亚当斯(Scott Adams)讽刺漫画《呆伯特》(Dilbert)上个月的出现。一位专栏导游说:“它无处不在，无所不知。它的名字是Da 数据”Da 数据的故事就像一个米姆的决定。它有两个重要组成部分。首先，这个词本身并没有太多的技术含量，但却朗朗上口，隐约有记忆。
6、大 数据和分析法的挑战 数据聚积和偏好Da 数据 Sum分析的挑战:数据抛开积累和偏好炒作，运用Da数据Sum分析将对企业未来的业绩产生巨大的影响，重组整个行业，孕育新的行业。然而，仍然存在许多挑战。它们从众所周知的科学人员的缺乏到更棘手的、很少被提及的根源于人性的问题。后者之一是人类的积累倾向数据。另一种是人类仍然执着于先入为主的倾向，即使数据的结果明显不同。
