㈠ mysql 将数据迁移到大数据平台分布式文件系统，用什么工具合适

在我看来，一个完整的大数据平台应该提供离线计算、即席查询、实时计算、实时查询这几个方面的功能。
hadoop、spark、storm 无论哪一个，单独不可能完成上面的所有功能。
hadoop+spark+hive是一个很不错的选择.hadoop的HDFS毋庸置疑是分布式文件系统的解决方案，解决存储问题；hadoop maprece、hive、spark application、sparkSQL解决的是离线计算和即席查询的问题；spark streaming解决的是实时计算问题；另外，还需要HBase或者Redis等NOSQL技术来解决实时查询的问题；
除了这些，大数据平台中必不可少的需要任务调度系统和数据交换工具；
任务调度系统解决所有大数据平台中的任务调度与监控；数据交换工具解决其他数据源与HDFS之间的数据传输，比如：数据库到HDFS、HDFS到数据库等等。

㈡ mysql的最大数据存储量是多少

mysql的最大数据存储量没有最大限制。

最多也就是单字段的长度有限制，那跟字段的数据类型有专关，而对于数据表属的大小一般不要超过2G，超过了效率会比较慢，建议分开多表存。

上MySQL 能承受的数据量的多少主要和数据表的结构有关，并不是一个固定的数值。表的结构简单，则能承受的数据量相对比结构复杂时大些。

据D.V.B 团队以及Cmshelp 团队做CMS 系统评测时的结果来看，MySQL单表大约在2千万条记录（4G）下能够良好运行，经过数据库的优化后5千万条记录（10G）下运行良好。

(2)mysql分布式大数据存储扩展阅读

由于MySQL是开放源代码的，因此任何人都可以在General Public License的许可下下载并根据个性化的需要对其进行修改。

MySQL因为其速度、可靠性和适应性而备受关注。大多数人都认为在不需要事务化处理的情况下，MySQL是管理内容最好的选择。

㈢ mysql 大数据表分了1000个区 有什么性能问题么

50W的数据量其实还好，分区性能不成什么问题，只要磁盘空间够应该问题不大。

不过一般都会采用备份的方式来处理，50W可以改成10天来分区也可以。

㈣ hdfs和mysql有什么区别大数据离线数据存储在mysql还是hdfs比较好

这区别可大了，不是一个概念。mysql是传统的关系型数据库。hdfs是nosql hadoop的存储方式。hdfs是分布式的自带高可用存储，文件格式跟mysql的存储引擎不一样。大数据离线存储，当然是hdfs更合适

㈤ 利用MySQL数据库如何解决大数据量存储问题

mysql解决大数据量存储问题的方法是分表。
1.如何去分表
根据什么策略把现有表中的数据分到多个表中，并且还有考虑到以后的扩展性上。

建立一张索引表，用户id与数据库id对应，（这里他将相同结构的表分在了不同的数据库中进一步减少压力，但同时对于数据的同步也需要通过其他手段来解决），其本质也是分表了同时分库了。这么做的好处是便于以后的扩展，但损耗一点性能，因为会多一次查询。这样索引表可能会成为新的瓶颈，除非用户不会一直增长哈。
我的做法属于另一种，写了个算法通过计算某列值，按照一定规律将数据大致均分在每个分表中。至于扩展性，写算法时候考虑进去了以后增加分表数的问题了。
选择哪种策略，是要看自己的表的业务特点了，方法没有绝对的优缺，还是要根据自己的需求选取。
2.分表之后主键的维护
分表之前，主键就是自动递增的bigint型。所以主键的格式已经提早被确定了，像什么uuid之类的就被直接pass掉了。
还有想过自己写一个主键生成程序，利用Java 的Atomic原子量特性，但是考虑还需要增加工作量并且高并发下，这里很可能是个隐患。
还有就是通过应用层上管理主键，如redis中有原子性的递增。

㈥ mysql 大数据量该怎么存储和维护

照你的需求来看，可以有两种方式，一种是分表，另一种是分区 首先是分表，就像你自己所回说的，可以按月分答表，可以按用户ID分表等等，至于采用哪种方式分表，要看你的业务逻辑了，分表不好的地方就是查询有时候需要跨多个表。 然后是分区，分区可以将表分离在若干不同的表空间上，用分而治之的方法来支撑无限膨胀的大表，给大表在物理一级的可管理性。将大表分割成较小的分区可以改善表的维护、备份、恢复、事务及查询性能。分区的好处是分区的优点： 1 增强可用性：如果表的一个分区由于系统故障而不能使用，表的其余好的分区仍然可以使用； 2 减少关闭时间：如果系统故障只影响表的一部分分区，那么只有这部分分区需要修复，故能比整个大表修复花的时间更少； 3 维护轻松：如果需要重建表，独立管理每个分区比管理单个大表要轻松得多； 4 均衡I/O:可以把表的不同分区分配到不同的磁盘来平衡I/O改善性能； 5 改善性能：对大表的查询、增加、修改等操作可以分解到表的不同分区来并行执行，可使运行速度更快； 6 分区对用户透明，最终用户感觉不到分区的存在。

㈦ Mysql能做大数据吗

完全可以 没有问题 阿里公司 就是用 MYSQL

㈧ 数据库mysql中大数据量处理的问题

我最近刚整过和你类似的事情 呵呵。
你这个问题可以分成2个问题来解决
1.建立索引 首先把data_content_21.邮件， data_content_9.帐号建立索引。建立索引不会的话推荐你一个绿色工具 HAP_SQLyog_Enterprise_7.14网上自己去下很多的，然后登录进去以后选择你的表右键-》建立索引-》选上你要建立索引的字段就好了
2.mysql毕竟是轻量级数据库，如果数据超过100万条，建议你使用mysql的分表机制，需要mysql5.4.1以上的版本，分表机制在那个绿色工具里也有 自己试下吧

㈨ 大数据量数据存储问题

大数据（big
data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）

㈩ 普通数据一般用的MySQL存储，大数据的话都用MySQL

你概念理清了吗，什么叫大数据用MySQL
MySQL只是一种关系数据库，跟数据无关