大數據量傳輸
A. 大數據量頻繁傳輸時共享內存會成為瓶頸嗎
其實是可以無限擴容的，只是總有人會用這個賺錢，國內有個大數據平台，好像叫什麼忘了，反正就是可視化商業價值挖掘和傳播社區這類的，這樣搜應該可以找到，內容挺不錯的
B. 傳輸大數據，用什麼方法最快
掛硬碟的方式
C. 請教xml大數據量傳輸的問題
你可以使用epoll模型來代替線程進程，然後將需要傳輸的數據拆分成多個部分，同時處理。數據發送前可以做簡單的壓縮以加快傳輸速度，數據處理和數據發送的epoll子程一定要分開。epoll支持多CPU，能夠大大加快處理速度。
雙網卡是下層的問題，和你使用怎樣的編程方式無關，你也不用管，系統會自動為你的網路程序分配網卡資源。你起了多線程之後，用linux命令查看當前網路流量利用了多少就可以。如果沒有完全利用到，再增加網卡也於事無補。
至於交換機，與其用兩個，倒不如換用一個速度更快的。不過據我的經驗，網路程序，瓶頸往往在電腦而不在交換機。
控制數據如果很重要但是量又不大，最好用TCP傳輸，畢竟你區域網，說白了TCP效率能拖累你多少。單獨起TCP處理控制數據，一般的網路程序比較常用這種方式。
至於傳輸的數據，如果確實需要UDP傳輸，建議你到網上搜集一些冗餘傳輸演算法，這些演算法能滿足你在使用UDP的同時，不丟失數據，不過就我個人的經驗，在區域網里，UDP比TCP，在數據傳輸速度的提升很有限。
D. web項目，地址欄適合傳大數據量的數據嗎
html">看下面的話，就明白了
get和post的區別
2.1安全性
如果用get提交一個驗證用戶名和密碼的form，"一般"認為是不安全的。因為用戶名和密碼將出現在URL上
，進而出現在瀏覽器的歷史記錄中。
顯然，在對安全性有要求的情況下，應該使用post。
2.2編碼
HTML4.01specification(規范)指出，get只能向伺服器發送ASCII字元;
而post則可以發送整個ISO10646中的字元;
（如果指定enctype="multipart/form-data"的話）。
注意get和post對應的enctype屬性有區別。enctype有兩個值，默認值為application/x-www-form-
urlencoded，
而另一個值multipart/form-data只能用於post。
2.3提交的數據的長度
HTTPspecification並沒有對URL長度進行限制，但是IE將請求的URL長度限制為2083個字元，從而限制了
get提交的數據長度。
測試表明如果URL超出這個限制，提交form時IE不會有任何響應。
其它瀏覽器則沒有URL的長度限制，因此其它瀏覽器能通過get提交的數據長度僅受限於伺服器的設置。
IE的url最大長度是2083個字元,可以用於GET傳遞數據的長度是2048個字元,這個數字不小,遠超過256這個
曾經認為無比正確的數字.
另外POST方式傳遞的數據不受這個長度影響,它的值通過瀏覽器header傳輸而不是url.
而對於post，因為提交的數據不在url中，所以通常可以簡單地認為數據長度限制僅受限於伺服器的設置。
2.4緩存
由於一個get得到的結果直接對應到一個URL，所以get的結果頁面有可能被瀏覽器緩存。而post一般則不能
，參考5。
2.5引用和SEO
出於和上面相同的原因，我們可以用一個URL引用一個get的結果頁面，而post的結果則不能，所以必然不
能被搜索引擎搜到。
E. android的ipc最大數據傳輸量是多大
BLE的最大傳輸速率是5.9k位元組每秒。
藍牙低能耗(BLE)技術是低成本、短距離、可互操作的魯棒性無線技術，工作在免許可的2.4GHz ISM射頻頻段。它從一開始就設計為超低功耗(ULP)無線技術。它利用許多智能手段最大限度地降低功耗。藍牙低能耗技術採用可變連接時間間隔，這個間隔根據具體應用可以設置為幾毫秒到幾秒不等。另外，因為BLE技術採用非常快速的連接方式，因此平時可以處於「非連接」狀態（節省能源），此時鏈路兩端相互間只是知曉對方，只有在必要時才開啟鏈路，然後在盡可能短的時間內關閉鏈路。
BLE技術的工作模式非常適合用於從微型無線感測器（每半秒交換一次數據）或使用完全非同步通信的遙控器等其它外設傳送數據。這些設備發送的數據量非常少（通常幾個位元組），而且發送次數也很少（例如每秒幾次到每分鍾一次，甚至更少）
F. 如何在已有的EAI架構下進行大數據量的傳輸
也不似春雨般晝夜交替，多愁善感的來到
G. 串口通信如何傳輸大數據量
傳輸大量數據本身就是串口的弱項。走協議會穩定些，如：modbus。
H. 大數據平台數據傳輸
大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）
I. 大數據量傳輸的網路編程問題
在linux上編程，不用刻意考慮硬體的問題，除非你想限制速度。
你可以使用epoll模型來代替版線程進權程，然後將需要傳輸的數據拆分成多個部分，同時處理。數據發送前可以做簡單的壓縮以加快傳輸速度，數據處理和數據發送的epoll子程一定要分開。epoll支持多CPU，能夠大大加快處理速度。
雙網卡是下層的問題，和你使用怎樣的編程方式無關，你也不用管，系統會自動為你的網路程序分配網卡資源。你起了多線程之後，用linux命令查看當前網路流量利用了多少就可以。如果沒有完全利用到，再增加網卡也於事無補。
至於交換機，與其用兩個，倒不如換用一個速度更快的。不過據我的經驗，網路程序，瓶頸往往在電腦而不在交換機。
控制數據如果很重要但是量又不大，最好用TCP傳輸，畢竟你區域網，說白了TCP效率能拖累你多少。單獨起TCP處理控制數據，一般的網路程序比較常用這種方式。
至於傳輸的數據，如果確實需要UDP傳輸，建議你到網上搜集一些冗餘傳輸演算法，這些演算法能滿足你在使用UDP的同時，不丟失數據，不過就我個人的經驗，在區域網里，UDP比TCP，在數據傳輸速度的提升很有限。
J. 大數據量 如何快速傳到雲上
雲計算和大數據目前都是熱門話題，如何把兩者結合起來即在雲上實現大數據項目，這是一個新的實踐領域。資深數據專家David Gillman根據自己的經驗，列舉了雲上大數據方案需要考慮的基本要素，包括對數據構建實時索引、自由模式搜索與分析、監視數據並提供實時警告等，幫助用戶更好地評估和選擇解決方案。
在談到如何實現雲上大數據項目時，David強調了三個實時要素，即實時索引、實時數據和實時監控。具體來說，實時索引指的是「對所有機器數據創建通用的實時索引」：
這是大多數人所認為的大數據的核心;它常常相當於開源項目 Hadoop。公司可能已被來自射頻 ID (RFID) 移動、網站點擊和其他可能結構化的數據的要求所淹沒。如果您知道將如何使用這些數據，如何在未來查詢和訪問它，那麼在處理這些數據方面進行投資是值得的。
您無需知道數據的未來潛在用途，Hadoop 提供了解決辦法。通過按原樣獲取傳入的數據，大數據將數據定義步驟推遲到了執行分析時。在不會限制數據的未來使用的情況下，Hadoop 將數據分布在許多伺服器上並持續跟蹤數據位置。
實時數據指的是「對實時數據和歷史數據的自由搜索與分析」，存儲數據只是實現目標的道路的一部分。另一方面是信息需要相對容易地被找到。為此，最快的方法是提供一種快速(在實現方面，而不是響應時間方面)搜索功能。因此需要找到支持對非結構化數據進行文本搜索的工具。從監視程序上直接獲得響應，這會讓人們模糊地認為所有信息都被正確存儲且可以訪問。此過程的管理步驟是為存儲在分布式節點中的數據內容建立索引。搜索查詢，然後並行訪問分布式節點上的索引，以便提供更快的響應。
實時監控指的是「監視數據並提供實時警告」：
尋找一個工具來監視大數據中的數據。一些工具能夠創建被持續處理的查詢，尋找要滿足的條件。我無法列出實時監視進入 Hadoop 中的數據的所有可能用法。假設大部分傳入數據都是非結構化數據，而且不適用於關系資料庫，那麼實時監視可能是最仔細地檢查數據元素的一種方式。
除了三個「實時"之外，Daivid還列舉了其他七個要點，可以歸納為：
自動從數據中發現有效的信息
執行手動搜索和手動報告也會影響分析效率。 數據挖掘和預測分析工具正在快速向以下方向發展：能夠將大數據用作分析數據來源的資料庫，或者用作持續監視變更的資料庫。所有數據挖掘工具都遵循此目標。某個人確定分析的用途，查看數據，然後開發能提供洞察或預測的統計模型。然後，需要將這些統計模型部署在大數據環境中，以執行持續評估。這部分操作應該是自動化的。
提供強大的特定報告和分析
類似於知識發現和自動化的數據挖掘，分析師需要獲得訪問能力來檢索和匯總大數據雲環境中的信息。擁有大數據報告工具的供應商似乎每天都在增多。基於雲的大數據提供商應同時支持來自外部請求者的 Pig 和 HQL 語句。這樣，大數據存儲即可由人們使用自己選擇的工具(甚至使用還未創建的工具)來查詢。
提供快速構建自定義儀錶板和視圖的能力
像傳統的商業智能項目的演化一樣，當人們可以查詢大數據並生成報告時，他們希望自動化該功能並創建一個儀錶板，以便通過漂亮的圖片反復查看。除非人們編寫自己的 Hive 語句和僅使用 Hive shell，大部分工具都有使用查詢語句創建類似儀錶板的視圖的能力。要在大數據部署中列舉許多儀錶板示例，目前還為時過早。一種基於商業智能歷史的預測是，儀錶板將成為已匯總的大數據的一個重要的內部傳遞工具。而且從商業智能的歷史發展來看，擁有良好的大數據儀錶板對於獲取和保持高層領導支持至關重要。
使用普通硬體進行高效擴展，以支撐任何數據量
當使用雲大數據服務時，此考慮因素更沒有多少實際意義。采購、配備和部署用於存儲數據的硬體是服務提供商的職責。硬體的選擇應該不難。但是，值得欣慰的是，賬單表明大數據適合使用普通硬體。在架構中的一些節點上，「高質量的」 伺服器很有用。但是，大數據架構中絕大部分節點(存儲數據的節點)都可放在 「更低質量的」 硬體上。
提供細粒度、基於角色的安全和訪問控制
當非結構化數據位於關系數據中時，訪問數據的復雜性可能會阻礙人們獲取數據。常見的報告工具不起作用。考慮採用大數據是簡化復雜訪問的一個有效步驟。不幸的是，同樣的安全設置通常無法從現有關系系統遷移到大數據系統上。使用的大數據越多，良好的安全性就會變得越重要。最初，安全保護可能很少，因為沒有人知道如何處理大數據。隨著公司開發出了更多使用大數據的分析，需要對結果(尤其是報告和儀錶板)進行保護，這類似於保護來自當前關系系統的報告。 開始使用基於雲的大數據，了解需要在何時應用安全性。
支持多租戶和靈活的部署
雲的使用帶來了多租戶的概念，但這顯然不是內部大數據環境中的考慮因素。許多人對將關鍵數據放在雲環境中感到不安。而重要的是，雲提供了開始實現大數據項目所需的低成本和快速部署。正是由於雲提供商將數據放在了具有共享的硬體資源的架構中，成本才會顯著降低。上帝是公平的，將數據放在您的伺服器上，由其他某個人來管理整個設置也未嘗不可。但是，在大數據需求是間歇性的時候，這不是一個經濟高效的業務模型。結果會產生更高的開支，因為公司將為大量空閑時間付費，尤其在實現第一個項目期間，在分析師探索、考慮和了解大數據的時候。
集成API並通過它們進行擴展
大數據是為供自定義應用程序訪問而設計的。常見的訪問方法使用 RESTful應用編程介面 (API)。這些 API 可用於大數據環境中的每個應用程序，用於管理性控制、存儲數據和報告數據。因為大數據的所有基礎組件都是開源的，所以這些 API 經過了全面地說明並且可以廣泛使用。希望基於雲的大數據提供商允許訪問目前和未來的所有具有適當安全保護的 API。