传统大数据存储的架构有哪些？他们有什么特点？

数据源:所有的大数据架构都是从源代码开始的。这可以包括来自数据库的数据、来自实时源(如物联网设备)的数据以及从应用程序生成的静态文件(如Windows日志)。

实时消息接收:如果有实时源，需要在架构中构建一种机制来接收数据。

数据存储:公司需要存储将通过大数据架构处理的数据。一般来说，数据会存储在一个数据湖中，这是一个大型的非结构化数据库，可以很容易地扩展。

批处理和实时处理相结合:公司需要同时处理实时数据和静态数据，因此应该将批处理和实时处理相结合构建到大数据架构中。这是因为批处理可以用来有效处理大量数据，而实时数据需要立即处理才能带来价值。批处理涉及长时间运行的作业，用于筛选、聚合和准备数据以供分析。

分析数据存储:待分析的数据准备好后，需要放在一个地方，方便整个数据集的分析。分析数据存储的必要性是公司的所有数据都聚集在一个地方，所以它的分析会是全面的，优化的是分析而不是交易。

根据公司的需要，这可能采取基于云计算的数据仓库或关系数据库的形式。

分析或报告工具:在接收和处理各种数据源之后，公司需要包含一个用于分析数据的工具。一般来说，公司会使用BI(商业智能)工具来完成这项工作，可能需要数据科学家来探索数据。

“大数据”通常指那些难以收集、处理和分析的庞大数据集，也指那些长期保存在传统基础设施中的数据。大数据存储就是把这些数据集持久化到计算机上。