大数据基于云计算架构，以服务的形式提供数据存储和运营。目前大数据的安全存储采用虚拟海量存储技术存储数据资源，涉及数据传输、隔离和恢复。要解决大数据的安全存储，首先是数据加密。在大数据安全服务的设计中，可以根据数据安全存储的要求，将大数据存储在数据集的任意存储空间中，并通过SSL(SecureSocketsLayer)加密，实现大数据在数据集的节点和应用之间的移动保护。
应用隐私保护和外包数据计算来屏蔽网络攻击。目前PGP、TrueCrypt等程序都提供了强大的加密功能。第二是将密钥从加密数据中分离出来。使用加密将数据使用与数据存储分开，并将密钥与要保护的数据分开。同时定义了密钥管理的生成、存储、备份和恢复等生命周期。三是使用滤镜。通过过滤器的监控，一旦发现数据离开了用户的网络，就会自动阻止数据再次传输。
5、大数据解决方案主要用于存储哪种类型的数据?大数据解决方案主要用于存储二进制数据。数据还包括结构化数据和非结构化数据，电子邮件、Word、图片、音频信息、视频信息等各种类型的数据，这些都不是以前的关系数据库所能解决的。非结构化数据的超规模和增长占总数据的80~90%，比结构化数据增长快10 ~ 50倍，比传统数据仓库快10 ~ 50倍。大数据的特点:海量数据有不同的格式。首先是结构化数据，也就是我们常见的，半结构化的网页数据和非结构化的视音频数据。
6、大数据时代,数据的存储与管理有哪些要求?随着数据时代的到来，数据的存储有以下几个主要要求:一是海量数据的及时有效存储。根据现行的技术和预防法规和标准，系统采集的信息应保存不少于30天。数据量随时间线性增长。其次，数据存储系统需要具有可扩展性，既要满足海量数据的持续增长，又要满足获取更高分辨率或更多采集点的数据需求。第三，对存储系统的性能要求非常高。在多路并发存储的情况下，对带宽、数据容量、缓存等要求较高，需要针对视频性能进行优化。
7、 大数据存储需要具备什么大数据存储作为一个数据平台，它不仅是一个用于数据存储的设备，还需要能够提供经济高效的规模和能力，消除数据迁移，没有存储孤岛，提供全局可访问的数据保护并保持数据可用性。1.提供经济高效的规模和功能不仅需要购买行业标准的服务器和存储产品，还需要确保产品的可扩展性和性能。而且随着硬件的发展，可以按需扩展，存储系统需要能够不断满足企业的需求，通过增加存储系统来维持数据增长的性能要求。
3.拒绝存储孤岛。为了充分利用大数据的机会，企业必须能够访问所有数据。为了实现这一目标，新的存储平台必须能够满足这一要求，并消除这些传统的存储孤岛，而不是简单地添加另一种存储解决方案。4.提供全球管理模式。在大数据快速增长的时代，集中式数据管理模式不再可行。单点故障的成本会很高。A 大数据存储平台必须能够管理分布在全球企业中的数据。
8、常见的基于列存储的大数据数据库有哪些(大数据的数据存取采用什么数据库...目前大数据存储有两种方案可供选择:行存储和列存储业界对两种存储方案的争论很多，焦点是:谁能更有效地处理海量数据，并兼顾安全性、可靠性和完整性。从目前的发展情况来看，关系数据库已经不适应这种巨大的存储容量和计算需求，基本上被几个已知的大数据处理软件淘汰。Hadoop的HBase使用列存储，MongoDB使用基于文档的行存储，Lexst在这里使用二进制行存储。我不讨论这些软件的技术和优缺点，只围绕机械磁盘的物理特性分析行存储和列存储的存储特点，以及由此产生的一些问题和解决方法。
9、第三章 大数据存储1，HDFS 1的基本特征和建筑。基本特点(1)大规模数据分布式存储能力:分布式存储能力和良好的可扩展性，(基于分布式节点上的大量本地文件系统，在逻辑上构建一个容量巨大的分布式文件系统，整个文件系统的容量可以随着集群中节点的增加而线性扩展)(2)高并发访问能力:提供高数据访问宽带(高数据吞吐量)，带宽可以等比例扩展到集群中的所有节点。(3)容错性强:(设计理念上把硬件故障视为常态)保证在节点硬件故障频繁的情况下，能够正确检测到硬件故障，并能自动快速从故障中恢复，保证数据不丢失(以多副本数据块的形式存储)(4)顺序文件访问:(大数据批量处理是大量简单数据记录的顺序处理)顺序读取经过优化，支持大量数据的快速顺序读取，代价是随机访问负载高(5)简单一致性模型(一写多次读取):支持大量数据的一写多次读取；不支持写入数据的更新操作，但可以在文件末尾添加新数据(6)块存储模式:默认块大小为64MB。
