大数据存储技术标准化论文
大数据的存储管理技术
当前大 数据 领域 中， 分布式 文件 系 统的 使 用 主 要 以 Ｈａ ｄ ｏ ｏ ｐ ＨＤＦ Ｓ为主 。ＨＤＦ Ｓ采 用
１大数据 面临 的存储管理问题
・ 分布式数据库
分布 式 数据 库 ＨＢａ ｓ ｅ是 一个 高可 靠 、高 性能、面 向列 、可伸缩 的分布 式数据库 ，是谷 歌Ｂ ｉ ｇ Ｔ ａ ｂ ｌ ｅ的开源 实 现，主 要用 来 存储 半 结 构化和非结 构化数据 ＨＢ ａ ｓ ｅ可 以支持 Ｎａ ｔ ｉ ｖ ｅ Ｊ ａ ｖ ａＡＰ Ｉ 、ＨＢ ａ ｓ ｅ Ｓ ｈ ｅ ｌ ｌ 等多种访 问接 口，可以
了冗余 数据 存储 ，增 强 了数据 可靠 性，加 快
【 关 键 词 】 大数 据 分 布 式 文 件 系统 分 布 式数
据库 Ｎ ｏ Ｓ Ｑ Ｌ数据库 云数据 库
同时也虚拟化 了许 多后端 的功 能。而且 在云数 了数据传输 速度 ，除此之 外，Ｈ Ｄ Ｆ Ｓ 还具 有兼 据库 中，所有数据库功 能都是在 云端提供的， 容的廉价设备 、流数据读 写、大数据集 、简单 客户端可 以通过 网络远程使用 云数据 库提供的 的数据模型 、强大 的跨平 台兼容 性等特点。但 服务 ，在使用 中不 需要 了解云数据库 的具体 的 Ｈ ＤＦ Ｓ也存在 着 自身 的不 足，比如不适合低 延 物理细节 ，使用非常方便 容易。可按照用户个 迟数据访 问、无法高 效存储 大量 小文件 和不支 人的需求进行数据和信息 的存储 ，例如通过 所开 发
１ ． ２种类和来 源多样化 ，存储 管理 复杂
数据存储技术论文3000字
数据存储技术论文3000字数据库存储技术的出现，对于传统的纸质存储技术来说，具有革命性的作用，下面是小编为大家精心推荐的数据存储技术论文3000字，希望能够对您有所帮助。
数据存储技术论文3000字篇一数据库编程与数据库存储技术分析【摘要】随着信息技术的发展，以及人类社会文明进步，在与计算机相关的技术发展中，关于数据方面的处理工作，如今也越来越受到重视，在不同的发展时期，根据不同的计算机类型以及在实际应用的不同，数据库的编程与数据库存相储技术方面的要求也有所差异，所以就要根据实际情况进行具体分析.本文就结合相关技术进行分析。
【关键词】数据库;编程;存储;技术;分析引言在计算机的发展过程中，根据数据进行程序编辑，以及在计算机内部储存程序的编辑都是非常重要的方面，虽然会根据所操作的计算机不同，而在具体操作过程中而出现有所区别，但是要针对相关的技术进行具体分析后就能够发现，在数据存储方面只要编辑好数据库对应的程序，要取得好的工作成绩不不难，所以研究好关于数据库编程和数据库存储相关的技术，就能够代替真实人的工作，取得良好的工作效果，促进计算机行业的发展.随着计算机的普及应用，计算机应用软件得到了快速的发展，从某种意义上来说，计算机之所以能够在各个领域中得到应用，很大程度上就是因为相应的应用软件，根据各个行业的特点，软件公司都开发了针对性的应用软件，通过这些软件的使用，能够给实际的工作带来方便，提升工作的效率，例如在工业自动化中，现在的计算机技术已经具有一定的智能性，可以代替人来进行操作，这种方式出现错误的几率很低，而且计算机不需要休息，生产效率得到了大幅提高，在计算机软件中，尤其是一些大型的软件，数据库是软件的核心内容，因此在计算机软件编写过程中，数据库编程和存储技术，也是一个核心内容，受到我国特殊历史原因影响，我国的软件行业发展较慢，因此数据库编程和存储技术的核心都掌握在西方发达国家手中。
1、数据库存储技术简述1.1数据库存储技术的概念数据库的发展很大程度上依赖于计算机性能的提升，在计算机出现的早期，并没有数据库的概念，当时计算机的性能很低，只能进行一些简单的数字运算，体积也非常庞大，还没有数据存储的概念，随着晶体管和集成电路应用在计算机制造中，计算机的性能得到了大幅的提升，开始在各个领域中进行应用，当计算机被用于数据管理时，尤其是一些复杂的数据，传统的存储方式已经无法满足人们的需要，在这种背景下，DSMS诞生了，这种数据库管理系统在当时看来，是数据库管理技术的一次革命，随着计算机性能的提升，逐渐出现了SQL、Oracle等，在传统的数据库编程中，由于数据库编写的时期不同，使用的编写语言也有一定的差异，目前常使用的软件有VB、JAVA、VC、C++等，利用这些编程软件，都可以编写一个指定的数据库，由于每个软件自身都有一定的特点，因此不同领域的数据编程中，所选择的编程软件业有一定的差异。
大数据论文3000字范文(精选5篇)
大数据论文3000字范文(精选5篇)第一篇:大数据论文3000字当人们还在津津乐道云计算、物联网等主题时, “大数据”一词已逐渐成为IT网络通信领域热门词汇。
争夺大数据发展先机俨然成为世界各国高度重视的问题, 其中不乏IBM、EMC.甲骨文、微软等在内的巨头厂商的强势介入, 纷纷跑马圈地, 它们投入巨额资金争相抢占该领域的主动权、话语权。
大数据时代的来临, 除了推动现有的信息技术产业的创新, 其对我们生产生活的方式也将产生重大影响。
从个人视角来看, 不管是日常工作中遇到的海量邮件或是从网上获取的社交、购物、娱乐、学习、理财等信息, 还是生活中最常见的手机存储, 大数据已经渗透到我们日常生活的方方面面, 极大地方便了我们的生活;对企业而言, 互联网公司已开始采用大数据来冲击传统行业, 精准营销与大数据驱动的产品快速迭代, 促进企业商业模式创新;在社会公共服务方面, 教育、医疗、交通等行业在大数据的影响下, 出现了各种新的应用, 数据化、社交化的新媒体平台、智能交通与城市数字监管系统, 以及病历存储调用的医疗云等, 此外, 政府还可以通过大数据来高效完成信息采集, 这样可优化升级管理运营。
然而大数据在给我们展示前所未有的发展机遇的同时, 也给国家信息安全、信息技术、人才等方面带来了很大的挑战。
不久前, 斯诺登披露了美国国家安全局(NSA)一直进行信息监视活动、已收集数以百万计的全球人的信息数据的消息, 在全球范围内掀起轩然大波。
该事件对“大数据”的信息安全敲响了警钟。
大数据让大规模生产、分享和应用数据成为可能, 将信息存储和管理集中化, 我们在百度上面的记录, 无意识阅读的产品广告、旅游信息, 习惯去哪个商场进行采购等这些痕迹, 却不知所有的关系和活动在数据化之后都被一些组织或商家公司掌控, 这也使得我们一方面享受了“大数据”带来的诸多便利, 但另一方面无处不在的“第三只眼”却在时刻监控着我们的行动。
大数据专业论文800字
大数据专业论文一、引言近年来，随着信息技术的快速发展，大数据技术在各个领域都有着越来越广泛的应用。
作为一个新兴的学科领域，大数据专业越来越受到人们的关注。
本文将探讨大数据专业的相关概念、研究现状以及未来发展趋势。
二、大数据专业的概念大数据专业是指通过对庞大的数据集进行收集、存储、处理和分析，为企业和机构提供决策支持和商业价值的一门跨学科领域专业。
大数据专业涵盖数据挖掘、数据分析、机器学习、可视化技术等多个方面，旨在发现数据背后的模式和洞见，为决策者提供更科学的依据。
三、大数据专业的研究现状目前，大数据专业在各个行业都得到了广泛应用。
在金融行业，大数据分析帮助银行进行风险评估和反欺诈；在医疗行业，大数据技术助力医生进行疾病诊断和药物研发；在零售行业，大数据分析可以帮助企业了解顾客需求，提高销售效率。
大数据专业研究的重点包括数据分析方法、大数据存储和处理技术、数据可视化等方面。
四、大数据专业的未来发展趋势随着物联网、人工智能等新技术的快速发展，大数据专业将进一步融合多种前沿技术，如深度学习、自然语言处理等，以更好地发掘数据背后的价值。
另外，随着数据产生量的不断增加，数据安全和隐私保护也将成为大数据专业研究的重要方向。
未来，大数据专业将在更多领域得到应用，为科技创新和社会发展提供更多可能性。
五、结论大数据专业作为一个新兴的学科领域，具有广阔的发展前景。
通过不断探索和创新，大数据专业将为各行业带来更多的机遇和挑战，成为推动数字化转型和智能化发展的重要力量。
我们有理由相信，大数据专业将为人类社会带来更美好的未来。
以上是关于大数据专业的简要论文，希望对读者有所启发。
大数据的存储技术
大数据的存储技术随着信息化时代的到来，大数据已经成为了各行各业都无法回避的一个问题。
无论是企业、科研机构还是政府部门，都面临着大量的数据需要处理和存储。
而大数据的存储技术，也是一个备受关注的话题。
本文将介绍大数据存储技术的相关概念、发展历程以及常见的存储技术，希望能够对读者有所帮助。
一、大数据存储技术的概念及发展历程1.1大数据存储技术的概念大数据存储技术是指为了高效地存储和管理大规模数据而设计的技术和系统。
大数据存储技术不仅要求能够存储大量的数据，还需要具备高可靠性、高性能和低成本等特点。
因此，大数据存储技术通常要涉及到硬件设备、数据库系统、文件系统等多个方面的内容。
1.2大数据存储技术的发展历程大数据存储技术的发展可以追溯到上世纪90年代初期，当时的大数据概念还并不成熟，数据规模相对较小。
随着互联网的快速发展，大数据概念开始逐渐被人们所关注，各种数据处理和存储技术也开始不断涌现。
在过去的20年中，大数据存储技术经历了从关系型数据库到分布式数据库、列存储数据库、NoSQL数据库等多个阶段的发展，不断地满足着人们对于大规模数据存储的需求。
二、大数据存储技术的常见技术2.1分布式文件系统分布式文件系统是一种将数据分布式地存储在多台服务器上的文件系统，常见的有HDFS、Ceph等。
这些分布式文件系统能够支持大规模数据的存储和访问，并且具有高可靠性和高性能的特点，成为大数据存储的重要技术之一。
2.2列存储数据库列存储数据库是一种将数据以列的方式存储在硬盘中的数据库系统，具有较高的数据压缩比和查询性能。
在大数据分析的场景下，列存储数据库常常能够提供更高的性能和更好的查询效率，因此备受关注。
2.3 NoSQL数据库NoSQL数据库是指非关系型的分布式数据库系统，能够支持大规模数据的高并发访问和实时处理。
不同于传统的关系型数据库，NoSQL数据库具有更好的可扩展性和灵活性，因此在大数据存储领域具有很大的市场潜力。
大数据存储技术分析
大数据存储技术分析随着互联网的广泛应用和数字化进程的加速推进，无限的数据产生和储存需求已经成为当今社会面临的一个重要问题。
在这种背景下，大数据的存储技术不断升级和发展，也正是为了解决这个问题。
本文将对大数据存储技术进行分析和探讨。
一、大数据存储技术的背景和意义从20世纪90年代开始，随着网络技术和数据库技术的不断改进和创新，数据产生和储存的需求不断增加，而传统的存储技术已经无法满足这些需求。
由此，大数据存储技术应运而生。
大数据存储技术的意义主要体现在以下几个方面：1. 解决存储空间问题。
传统的存储技术在面对海量数据存储时，会出现空间不足的问题。
而通过大数据存储技术，可以充分利用存储资源、提高存储效率，从而解决存储空间问题。
2. 改进数据分析和处理效率。
大数据存储技术可以通过分布式存储、多副本备份等技术手段，提高数据处理的效率和可靠性，使数据能够更加快速和有效地被分析和处理。
3. 实现科学研究和商业价值的挖掘。
通过大数据存储技术能够对海量数据进行分析和挖掘，从而实现科学研究和商业价值的挖掘。
二、大数据存储技术的分类大数据存储技术可以根据其实现方式和存储层次进行分类。
目前常见的大数据存储技术分类如下：1. 分布式文件系统。
分布式文件系统主要是将数据分散存储在多台服务器上，多台服务器通过网络互相管理和通信。
常见的分布式文件系统有Hadoop HDFS、GlusterFS、Ceph等。
2. 分布式关系型数据库。
分布式关系型数据库是关系型数据库的扩展，具有集中管理、快速查询、高可靠和容灾等特点。
常见的分布式关系型数据库有Google Spanner、Apache Cassandra等。
3. NoSQL数据库。
NoSQL数据库是为了无需固定的表结构和弱化事务一致性的存储需求而设计的一类数据库，具有高可扩展性、高并发性和高可靠性等特点。
常见的NoSQL数据库有MongoDB、Couchbase等。
三、大数据存储技术的实现原理大数据存储技术的实现原理主要包括以下几个方面：1. 数据分布式存储。
大数据存储技术标准化的探讨
统的命名空间和客户端对文件的访问操作 ， Ｄ ａ ｔ ａ Ｎ ｄｅ ｅ ｊ ￣ 集群 中一般 节点， 它 负 责节 点 的数据 的 存储 。 客户 端通 过Ｎ ａ ｍ ｅ Ｎ ０ ｄ ｅ 向 Ｄ ａ ｔ ａ Ｎ ｏ ｄ ｅ 节点交互访 问文件 系统 ， 联 系Ｎ ａ ｍ ｅ Ｎ ｏ ｄ ｅ 获得 文件的元 数， 而文件Ｉ ／ ０ 操作则是直接和Ｄ ａ ｔ ａ Ｎｏ ｄ ｅ ￣行 交互 的。 ＨＤ Ｆ Ｓ 允许 用 户 以文件的形式存储数据 ， ＨＤ Ｆ Ｓ 将大规模数据分割成多个６ ４ Ｍ为 单位的数据块 ， 采用数据块序列 的形式存储在多个数据节点组成的 分布式集群 中。 它具 有很 强的可扩展性 ， 通过在集群 中增加数据节
１引言
随着互联 网ｗｅ ｂ ２ ． ０ 的兴起和 云计算 的发展 ， 大数据 的价值越 来越受到人们的重视 ， 人们对数据的处理实时陛和有效性要求也越 来越高。 大数据 的应用 已经进入 了各行各业 了， 如商业智能、 公共服 务、 科学研究等领域 。 目前大数据的分析技术 发展十分迅速 ， 尤其是 大数据分析平台Ｈａ ｄ ｏ ｏ ｐ ￣． ｆ １ ］ 了各大厂商 的极大关注 ， 基于Ｈａ ｄ ｏ 。 目前国 际、 国内 尚未 出现大数据分析的全流程标准服务和接 口定义， 本文研究 的重 点是根据国内大数据的实际现状 ， 采用ｈ ａ ｄ ｏ ｏ ｐ 平台进行大数据存储 处理的全流程分析 以及各个功能模块进行对 比研究， 提出建立大数 据存储的标准化体系的建议 ， 有利于促进形成大数据存储的基础性 标准， 从而为产业发展提供了有力的保障 。
补充。 目前主流 的Ｎ ｏ Ｓ Ｑ Ｌ 数据库有文档型数据 库、 列存储数据库、 键 值对（ Ｋｅ ｙ — Ｖａ ｌ ｕ ｅ ） 存 储数据库。 （ １ ） 列存储数据库 ： 列式数据库是 以列相关存储架构进行数据存 储的数据 库， 主要适合与批量数据处理和 即席查询［ １ 】 。 列存储将所有 记录 中相 同字段的数据聚合存储， 它通常用于应付分布式存储文件 系统 。 典型的列存储数据库有Ｃ ａ ｓ ｓ ａ ｎ ｄ ｒ ａ 、 Ｈｂ ａ ｓ ｅ 、 Ｒｉ ａ ｋ。 （ ２ ） 文档型数 据类型 ： 文档型数据库主要是用来存储 、 索 引并管理面 向文档的数 据 或 者 类似 的 半 结构 化 的数 据 。 它 的 核 心 概 念 就 是 文 档 （ Ｄ ｏ ｃ ｕ ｍｅ ｎ ｔ ） ， 文档是它 的最小的单位 ， 采用多种格式进行解码 ， 包括 Ｘ ＭＬ 、 ＹＡ ＭＬ 、 Ｊ Ｓ Ｏ Ｎ、 Ｂ Ｓ Ｏ Ｎ也包括一些二进 制格 式￣ Ｈ Ｐ ＤＦ 、 微软 的 Ｏ ｉｃ ｆ ｅ 文档［ ４ １ 。 文档型数据库可 以看做是键值 数据 库的升级版 ， 允许 之间的嵌套键值， 它的一个显著特点就是 比键值数据库的查询效率 更高 。 典型的文档型数据有Ｃ ｏ ｕ ｃ ｈ Ｄ Ｂ、 Ｍｏ ｎ ｇ ｏ Ｄ Ｂ。 （ ３ ） 键值对（ Ｋ ｅ ｙ — Ｖ ａ ｌ ｕ ｅ ） 存储数据库 ： （ Ｋｅ ｙ － Ｖａ ｌ ｕ ｅ ） 存储数据库 ， 数据是按照键值对的 形式进行组织、 索引和存储。 Ｋ ｅ ｙ － Ｖ ａ ｌ ｕ ｅ ￣储是适合不涉及数据关系 业务关系的业务数据， 同时能有效减少读写磁盘 的次数， 比Ｓ Ｑ Ｌ 数据 库存储拥有更好的读写性 能。
超大规模数据存储和处理技术研究
超大规模数据存储和处理技术研究第一章：引言随着互联网的迅速发展和智能设备的普及，大规模数据的处理和存储问题已经成为了当今世界面临的一项最重要的技术挑战之一。
在各种不同的应用场景中，如电子商务、社交网络、科学研究等等，超大规模的数据集已经成为了常态。
得益于研究人员在存储和处理技术方面的大力投入，人类已经可以从海量的数据中提取出有用的信息，并利用这些信息来推动社会进步和产业升级。
本文的主要目的就是探讨超大规模数据存储和处理技术的最新进展和未来趋势，以及对该领域的发展的一些个人看法。
第二章：数据存储技术在大规模数据处理中，数据的存储是一个不可避免的问题。
为了实现海量数据的高效存储，研究人员们已经开发了一系列的存储技术，其中最著名的是分布式存储技术。
分布式存储系统可以将数据分布到多个物理节点上，并通过网络协议进行数据交互。
这样做的好处是可以提高存储系统的可扩展性和可靠性，同时也可以在逻辑上统一整个系统的管理。
例如，Google的GFS和Facebook的HDFS都是使用了分布式存储技术。
此外，还有一些新兴的存储技术，如对象存储和键值存储等，也在逐渐崭露头角。
分布式存储系统的实现需要面临许多技术挑战。
其中最大的挑战之一是数据的一致性问题。
由于数据可能被存储在不同的节点上，如果在不同节点上出现了不一致的数据，将会导致数据不可靠，这对于一些重要的应用场景来说是不可接受的。
因此，研究人员们提出了许多解决方案，例如Paxos和Raft等一致性算法，用来保证数据的一致性问题。
另外，还有一些数据复制和备份技术，如Erasure coding和Replication等，也用来提高数据的可用性和可靠性。
此外，由于海量数据的存储需要占用大量的存储空间，因此存储效率也是一个重要的问题。
在这方面，压缩和去重等技术可行性已经越来越受到关注。
通过对冗余数据的删除和数据压缩，存储系统可以显著地减少存储空间的消耗，从而降低存储成本。
第三章：数据处理技术超大规模数据的处理需要使用特殊的技术。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据存储技术标准化论文
摘要：大数据作为信息化时代的战略新兴产业，发展速度势不可挡，虽然目前国内还没有大数据存储的统一标准，但国内很多公司关注并投入到这一领域。
制定符合中国国情的大数据存储接口标准，对促进整个产业的稳定发展具有重要的现实意义。
1 引言
随着互联网Web2.0的兴起和云计算的发展，大数据的价值越来越受到人们的重视，人们对数据的处理实时性和有效性要求也越来越高。
大数据的应用已经进入了各行各业了，如商业智能、公共服务、科学研究等领域。
目前大数据的分析技术发展十分迅速，尤其是大数据分析平台Hadoop得到了各大厂商的极大关注，基于Hadoop平台进行的大数据分析、数据存储研究正在进行[3]。
目前国际、国内尚未出现大数据分析的全流程标准服务和接口定义，本文研究的重点是根据国内大数据的实际现状，采用hadoop平台进行大数据存储处理的全流程分析以及各个功能模块进行对比研究，提出建立大数据存储的标准化体系的建议，有利于促进形成大数据存储的基础性标准，从而为产业发展提供了有力的保障。
2 大数据存储技术的种类
大数据可能由TB级（或者甚至PB级）信息组成，既包括结构化数据（数据库、日志、SQL等）以及非结构化数据（社交媒体帖子、传感器、多媒体数据）[2]。
大部分这些数据缺乏索引或者其他组织结构，可能由很多不同文件类型组成。
针对不同类型的海量数据，业
界提出了不同的存储技术。
2.1 分布式文件系统
分布式文件系统主要代表有Google的GFS和Hadoop中的HDFS。
GFS是一个可扩展的分布式文件系统，是针对与大规模数据处理和Google应用特性而设计的，他运行在廉价的普通硬件上，可以提供高容错、高性能的服务。
HDFS是开源的分布式文件系统（Hadoop Distributed File System），运行在跨机架的集群机器之上，具有高吞吐量来访问大数据集应用程序。
它采用了主/从结构，由一个NameNode节点和多个DataNode节点来组成，NameNode主节点是主服务器，管理文件系统的命名空间和客户端对文件的访问操作；DataNode是集群中一般节点，它负责节点的数据的存储。
客户端通过NameNode向DataNode节点交互访问文件系统，联系NameNode获得文件的元数，而文件I/O 操作则是直接和DataNode进行交互的。
HDFS允许用户以文件的形式存储数据，HDFS将大规模数据分割成多个64M为单位的数据块，采用数据块序列的形式存储在多个数据节点组成的分布式集群中。
它具有很强的可扩展性，通过在集群中增加数据节点来满足不断增长的数据规模，同时它也具有高可靠性和高容错性，每个数据块在不同的节点中有三个副本，在海量大数据处理方面有很强的性能优势。
2.2 半结构化数据NoSQL数据库
NoSQL是一种打破了关系型数据库长久以来占主导地位的快速成长起来的非关系松散数据存储类型，这种数据存储不需要事先设计好
的表结构，它也不会出现表之间的连接操作和水平分割。
他可以弥补关系数据库在处理数据密集型应用方面表现出的性能差、扩展性差、灵活性差等问题，NoSQL数据库了是作为关系数据库的补充。
目前主流的NoSQL数据库有文档型数据库、列存储数据库、键值对（Key-Value）存储数据库。
（1）列存储数据库：列式数据库是以列相关存储架构进行数据存储的数据库，主要适合与批量数据处理和即席查询[1]。
列存储将所有记录中相同字段的数据聚合存储，它通常用于应付分布式存储文件系统。
典型的列存储数据库有Cassandra、Hbase、Riak。
（2）文档型数据类型：文档型数据库主要是用来存储、索引并管理面向文档的数据或者类似的半结构化的数据。
它的核心概念就是文档（Document），文档是它的最小的单位，采用多种格式进行解码，包括XML、YAML、JSON、BSON也包括一些二进制格式如PDF、微软的Office 文档[4]。
文档型数据库可以看做是键值数据库的升级版，允许之间的嵌套键值，它的一个显著特点就是比键值数据库的查询效率更高。
典型的文档型数据有CouchDB、MongoDB。
（3）键值对（Key-Value）存储数据库：（Key-Value）存储数据库，数据是按照键值对的形式进行组织、索引和存储。
Key-Value存储是适合不涉及数据关系业务关系的业务数据，同时能有效减少读写磁盘的次数，比SQL数据库存储拥有更好的读写性能。
3 大数据存储标准化研究
随着物联网与云计算的研究和应用不断的升入，大数据的分析技
术目前已经进入了起步阶段，但目前国际上还没有制定大数据处理的标准，很多存储方面的标准化组织也开展了一些相关的工作。
大数据存储模型：CDMI标准的存储模型是采用五类对象进行数据存储管理和访问操作，五类对象包括容器对象、数据对象、域对象、能力对象和队列对象，每个对象通过多个Key-Value数据进行云数据的描述。
大数据存储接口协议：CDMI标准支持REST接口协议，并能在HTTP 基础进行扩展。
4 结语
大数据作为信息化时代的战略新兴产业，发展速度势不可挡，虽然目前国内还没有大数据存储的统一标准，但国内很多公司关注并投入到这一领域。
制定符合中国国情的大数据存储接口标准，对促进整个产业的稳定发展具有重要的现实意义。
参考文献
[1]高洪.基于Hadoop平台的大数据分析关键技术标准化探讨[J].信息技术与标准化，2013（5）：78-79.
[2]丁兆明.大数据存储和分析技术应用及标准化[J].信息技术与标准化，2013（5）：34-36.
[3]吕明育.NoSQL数据库与关系数据库的比较分析[J].微型电脑应用，2011（11）：67-69.
[4]郭建波.海量结构化大数据存储检索系统探讨[J].软件技术，2012（5）：18-20.。