数据持续到达，速度快，规模巨大，不永久存储，数据不断变化--》难以掌握全貌

     Twitter的storm、Yahoo的S4、Linkedin的kafka

     1)  将问题分而治之。

     2）把计算推到数据而不是把数据推到计算，避免数据传输过程中产生的大量通信开销。

5、Google新三驾马车

     -Dremel：web数据级别的交互式数据分析系统：列存储、多层次查询树，毫秒级海量数据分析

     -F1：The Fault-Tolerant Distributed RDBMS

     -Spanner：Google's Globally-Distributed database  

6、一些困扰

  -Hadoop+Brighthouse？

  -云计算与大数据如何结合？网格计算与大数据？

  -大数据OLAP方案？大数据OLTP方案？

  -大数据到底是什么？如何表述与建模？

  -大数据的理论基础？大数据可计算的基础理论？

  -重要扩展与证明“大数据的正确性”与应用的“出错根源”

  -能量、绿色计算、安全？