‘壹’ 选择软件定义存储/分布式存储还是超融合一体机
肯定选择分布式存储，非常强调数据安全性，可以规避很多硬盘、服务器损坏、静默数据损毁等常见数据丢失风险。如果是普通的中小企业，主要部署一些静态网站，存储需求量不大，对数据安全性要求不高，能够容忍一定的数据丢失风险的，可以用超融合一体机。我们司负责IT的就10来个人，采用的VMware虚拟机加元核云分布式统一存储的方案
‘贰’ 我的世界工业存储升级怎么用
用他对着炉子（升级过的）按住shift+鼠标右键就行了
这是工业MOD的
‘叁’ 百度快照按词收费还是包年收费
网络快照是网络蜘蛛免费抓取的，并不是收冲慎咐费的。
网络搜索引擎中按词收费的是网络推广，按点击散纯收费，孝扰官网标识是按年收费。
‘肆’ 什么是对象存储
对象存储，也叫做基于对象的存储，是用来描述解决和处理离散单元的方法的通用术语，这些离散单元被称作为对象。
存储局域网（SAN）和网络附加存储（NAS）是目前两种主流网络存储架构，而对象存储（Object-based Storage)是一种新的网络存储架构，基于对象存储技术的设备就是对象存储设备（Object-based Storage Device）简称OSD。1999年成立的全球网络存储工业协会（SNIA）的对象存储设备工作组发布了ANSI的X3T10标准。总体上来讲，对象存储综合了NAS和SAN的优点，同时具有SAN的高速直接访问和NAS的分布式数据共享等优势，提供了具有高性能、高可靠性、跨平台以及安全的数据共享的存储体系结构。
‘伍’ Metorage工业存储的工业级储存卡的产地是哪
Metorage工业级内存卡的内存颗粒，使用的是东芝TOSHIBA品牌的内存颗粒，也有少部分使用的是镁光MICRON品牌的内存颗粒。
东芝和镁光的内存颗粒质量都是数一数二的，自然Metorage工业级内存卡的质量也是数一数二的，毕竟是工业级内存卡，质量肯定比普通的消费级内存卡好。
‘陆’ 漫谈工业大数据9：开源工业大数据软件简介（上）
今天真是一个美好的时代，有无数的开源系统可以为我们提供服务，现在有许多开发软件可以用到工业大数据中，当然很多系统还不成熟，应用到工业中还需要小心，并且需要开发人员对其进行一定的优化和调整。下面就简单介绍一些开源的大数据工具软件，看看有哪些能够应用到工业大数据领域。
下面这张图是我根据网上流传的一张开源大数据软件分类图整理的：
我们可以把开源大数据软件分成几类，有一些可以逐步应用到工业大数据领域，下面就一一介绍一下这些软件。（以下系统介绍大都来源于网络）
1、数据存储类
这个就不用太多介绍了吧，关系型数据库领域应用最广泛的开源软件，目前属于 Oracle 旗下产品。
（2）文件数据库Hadoop
Hadoop是大数据时代的明星产品，它最大的成就在于实现了一个分布式文件系统（Hadoop Distributed FileSystem），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的硬件上，而且它提供高吞吐量来访问应用程序的数据，适合那些有着超大数据集的应用程序。
Hadoop可以在工业大数据应用中用来作为底层的基础数据库，由于它采用了分布式部署的方式，如果是私有云部署，适用于大型企业集团。如果是公有云的话，可以用来存储文档、视频、图像等资料。
（3）列数据库Hbase
HBase是一个分布式的、面向列的开源数据库，HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。
基于Hbase开发的OpenTSDB，可以存储所有的时序（无须采样）来构建一个分布式、可伸缩的时间序列数据库。它支持秒级数据采集所有metrics，支持永久存储，可以做容量规划，并很容易的接入到现有的报警系统里。
这样的话，它就可以替代在工业领域用得最多的实时数据库。
（4）文档数据库MongoDB
MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。他支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是他支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。
MongoDB适合于存储工业大数据中的各类文档，包括各类图纸、文档等。
（5）图数据库Neo4j/OrientDB
图数据库不是存放图片的，是基于图的形式构建的数据系统。
Neo4j是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是他们可以享受到具备完全的事务特性、 企业级 的数据库的所有好处。
OrientDB是兼具文档数据库的灵活性和图形数据库管理 链接 能力的可深层次扩展的文档-图形数据库管理系统。可选无模式、全模式或混合模式下。支持许多高级特性，诸如ACID事务、快速索引，原生和SQL查询功能。可以JSON格式导入、导出文档。若不执行昂贵的JOIN操作的话，如同关系数据库可在几毫秒内可检索数以百记的链接文档图。
这些数据库都可以用来存储非结构化数据。
2、数据分析类
（1）批处理MapRece/Spark
MapRece是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（映射）"和"Rece（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Rece（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。
Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。尽管创建 Spark 是为了支持分布式数据集上的迭代作业，但是实际上它是对 Hadoop 的补充，可以在 Hadoop 文件系统中并行运行。
这些大数据的明星产品可以用来做工业大数据的处理。
（2）流处理Storm
Storm是一个开源的分布式实时计算系统，可以简单、可靠的处理大量的数据流。Storm有很多使用场景：如实时分析，在线机器学习，持续计算，分布式RPC，ETL等等。Storm支持水平扩展，具有高容错性，保证每个消息都会得到处理，而且处理速度很快（在一个小集群中，每个结点每秒可以处理数以百万计的消息）。Storm的部署和运维都很便捷，而且更为重要的是可以使用任意编程语言来开发应用。
（3）图处理Giraph
Giraph是什么？Giraph是Apache基金会开源项目之一，被定义为迭代式图处理系统。他架构在Hadoop之上，提供了图处理接口，专门处理大数据的图问题。
Giraph的存在很有必要，现在的大数据的图问题又很多，例如表达人与人之间的关系的有社交网络，搜索引擎需要经常计算网页与网页之间的关系，而map-rece接口不太适合实现图算法。
Giraph主要用于分析用户或者内容之间的联系或重要性。
（4）并行计算MPI/OpenCL
OpenCL（全称Open Computing Language，开放运算语言）是第一个面向 异构系统 通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算 服务器 、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器，在 游戏 、 娱乐 、科研、医疗等各种领域都有广阔的发展前景。
（5）分析框架Hive
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapRece任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapRece统计，不必开发专门的MapRece应用，十分适合数据仓库的统计分析。
（6）分析框架Pig
Apache Pig 是apache平台下的一个免费开源项目，Pig为大型数据集的处理提供了更高层次的抽象，很多时候数据的处理需要多个MapRece过程才能实现，使得数据处理过程与该模式匹配可能很困难。有了Pig就能够使用更丰富的数据结构。[2]
Pig LatinPig Latin 是一个相对简单的语言，一条语句 就是一个操作，与数据库的表类似，可以在关系数据库中找到它（其中，元组代表行，并且每个元组都由字段组成）。
Pig 拥有大量的数据类型，不仅支持包、元组和映射等高级概念，还支持简单的数据类型，如 int、long、float、double、chararray 和 bytearray。并且，还有一套完整的比较运算符，包括使用正则表达式的丰富匹配模式。
‘柒’ 什么是软件定义存储
软件定义存储(SDS)是一种能将存储软件与硬件分隔开的存储架构。不同于传统的网络附加存储(NAS)或存储区域网络(SAN)系统，SDS一般都在行业标准系统或X86系统上执行，从而消除了软件对于专有硬件的依赖性。
通过将存储软件与硬件分离，您可以根据需求扩展您的存储能力，而不是仓促地添置专有硬件。分离后，您还可以在需要时升级或降级硬件。基本上，SDS可以大幅提高您的灵活性和降低TCO成本。做得比较好的公司有华为、紫光西数、元核云、XSKY。
‘捌’ 存储认证的介绍
对于大部分存储专业人士来说，专业证书已经成为职业进修不可或缺的一部分内容。不管是公司的关键存储供应商提供的一轮培训，还是象全球网络存储工业协会（SNIA）那样的组织提供的进修课程，企业员工们对这种存储技能认证越来越感兴趣。因此，许多组织（包括存储供应商）都推出了专为IT专业人士设置的认证计划。本文简要概述了这些认证计划的好处，并列举了几个社会上流行的认证计划的例子，同时为这些认证计划提出了一些建议。
‘玖’ 软件定义存储的概念是什么
什么是软件定义存储（SDS）（参考资料：网络：SDS）
SDS 软件通过虚拟数据平面对底层存储进行抽象化，这使得虚拟机（和应用）成为了存储调配和管理的基本单元。
通过在应用和可用资源之间实施灵活的隔离措施，常见的 hypervisor 可为应用均衡分配所需的全部 IT 资源（包括计算、内存、存储和网络连接）。
软件定义存储 vs.传统存储架构
虽然没有官方的定义，但软件定义存储就是将存储硬件中的典型的存储控制器功能抽出来放到软件上。这些功能包括卷管理、RAID、数据保护、快照和复制等。软件定义存储允许用户不必从特定厂商采购存储控制器硬件如硬盘、闪存等存储介质。并且，如果存储控制器功能被抽离出来，该功能就可以放在基础架构的任何一部分。它可以运行在特定的硬件上，在hypervisor内部，或者与虚机并行，形成真正的融合架构。
软件定义存储特点
自动化：管理得到简化，成本也随之下降。
标准接口：用于管理和维护存储设备和服务的应用编程接口 (API)。
虚拟化数据路径：可通过应用写入数据的块、文件和对象接口。
可扩展性：能在不影响性能的情况下横向扩展存储基础架构。
透明：能够监控并管理存储空间的使用情况，并清楚知晓有哪些可用资源以及相应的成本。
您可以自行选择运行存储服务的硬件。您所选购的 SDS 和硬件不一定要来自同一家公司。您可以使用任意商用或 x86 服务器来构建基于 SDS 的存储基础架构。这意味着，您可以充分利用现有硬件来满足不断增长的存储需求，
从而做到经济高效。SDS 采用了横向扩展（而非纵向扩展）的分布式结构，允许您对容量和性能进行单独调整。
您可以加入大量数据源，以构建自己的存储基础架构。您可以将目标平台、外部磁盘系统、磁盘或闪存资源、虚拟服务器以及基于云的资源（甚至是工作负载的专用数据）连接到同一网络中，以创建统一的存储宗卷。
SDS 可以基于您的容量需求自动进行调整。由于 SDS 不依赖于硬件，所以 SDS 的自动化也可自动实现，可从连接的任意存储宗卷中调取数据。这种存储系统可以根据数据需求和性能进行调整，且无需管理员干预，也无需添加新的连接或硬件。
不存在任何限制。传统的存储区域网络受限于可用的节点（已分配 IP 地址的设备）数量。从定义来看，SDS 不存在类似限制。这意味着，在理论上，SDS 可以无限扩展。
容器：通过在容器应用中运行持久存储，更加充分地利用您的容器应用；或者，通过在容器中运行 SDS，更加充分地利用您的存储。
云基础架构：支持私有云、公共云和混合云架构，并能实现所需的敏捷性和可扩展性。
大数据分析：快速安全地分析大型数据湖，以提升业务洞察力。
超融合基础架构：消除离散存储层，并能与您企业中的各种虚拟化服务器实例搭配使用。
对象存储：灵活可靠地存储、备份和检索 PB 级的数据。
富媒体：您的富媒体存储会日益扩展，因为您总是需要更多内容。
软件定义存储优势
软件定义存储用途
‘拾’ 什么是对象存储
什么是对象存储？
存储局域网(SAN)和网络附加存储(NAS)是我们比较熟悉的两种主流网络存储架构，而对象存储(Object-based Storage)是一种新的网络存储架构，基于对象存储技术的设备就是对象存储设备(Object-based Storage Device)简称OSD。
对象存储的发展历史：
1999年成立的全球网络存储工业协会(SNIA)的对象存储设备(Object Storage Device)工作组发布了ANSI的X3T10标准。
对象存储的优点：
总体上来讲，对象存储同兼具SAN高速直接访问磁盘特点及NAS的分布式共享特点。
SAN(Storage Area Network)结构
采用SCSI 块I/O的命令集，通过在磁盘或FC(Fiber Channel)级的数据访问提供高性能的随机I/O和数据吞吐率，它具有高带宽、低延迟的优势，在高性能计算中占有一席之地，如SGI的CXFS文件系统就是基于SAN实现高性能文件存储的，但是由于SAN系统的价格较高，且可扩展性较差，已不能满足成千上万个CPU规模的系统。