⑴ 分布式储能技术优势是什么
分布式存储，无疑是云计算时代最受关注的一门技术。
到底什么是分布式存储？
简单来说，人多力量大，利用多个存储服务器构建存储池，满足互联网时代越来越多的存储需求。
互联网行业的发展，数据成指数级增长，人们对存储的需求越来越大，采用集中式的存储成为数据中心系统的瓶颈，不能满足大规模存储应用的需要。
受益于服务器技术的发展和成熟，与标准服务器的分布式存储开始出现，分布式存储开始被广泛的应用起来。
分布式存储就是将数据分散存储到多个存储服务器上，并将这些分散的存储资源构成一个虚拟的存储设备，实际上数据分散的存储在企业的各个角落。分布式存储的好处是提高了系统的可靠性、可用性和存取效率，还易于扩展。
1、易于扩展
得益于合理的分布式架构，分布式存储可预估并且弹性扩展计算、存储容量和性能。
2、高性能
一个具有高性能的分布式存储通常能够高效地管理读缓存和写缓存，并且支持自动的分级存储。
3、支持分级存储
由于通过网络进行松耦合链接，分布式存储允许高速存储和低速存储分开部署，或者任意比例混布。
4、多副本一致性
与传统的存储架构使用RAID模式来保证数据的可靠性不同，分布式存储采用了多副本备份机制，最小化对业务的影响。
5、存储系统标准化
随着分布式存储的发展，存储行业的标准化进程也不断推进，分布式存储优先采用行业标准接口（SMI-S或OpenStackCinder）进行存储接入，用户可以实现跨不同品牌、介质地实现容灾，从侧面降低了存储采购和管理成本。
▉最后总结
分布式存储是一个大的概念，其包含的种类繁多，除了传统意义上的分布式文件系统、分布式块存储和分布式对象存储外，还包括分布式数据库和分布式缓存等。
⑵ 分布式存储和传统存储比较在哪些应用场景比较有优势
1、分布式存储优势
分布式存储可以使生产系统在线运行的情况下进行纵向扩展（Scale-Up）或横向扩展（Scale-Out），且存储系统在扩展后可以达到容量与性能均线性扩展的效果。其具有以下特性：
高性能
分布式存储系统能够将所有存储节点的处理器资源、硬盘资源、网络资源进行整合，将任务切分给多台存储节点，进行并发数据处理，避免了单个硬盘或设备造成的瓶颈，提升整个集群的处理能力。分布式存储系统具有良好的性能扩展能力，可以满足应用程序对存储性能不断增长的要求。
高扩展性
分布式存储系统通过扩展集群存储节点规模从而提高系统存储容量、计算和性能的能力，通过增加和升级服务器硬件，或者指通过增加存储节点数量来提升服务能力。分布式存储系统支持在线增加存储节点，对前端业务透明，系统整体性能与存储节点数量呈线性关系。
高可用性
分布式存储系统同时基于硬件及软件设计了高可用机制，在面对多种异常时（如存储节点宕机、网络中断、硬盘故障、数据损坏等）仍可提供正常服务，提高分布式存储系统硬件的可用性可以通过增加存储节点数量或者采用多种硬件冗余机制保证。分布式存储系统多采用副本机制或纠删码机制保证数据的高可用性，副本机制可以提供较高的数据冗余度，但会降低存储系统有效空间的利用率，纠删码机制可以在保证一定数据冗余度的情况下，大幅提高存储系统的有效空间利用率。
高安全性
分布式存储系统支持可靠的权限控制及互信确认机制，同时采用私有的数据切片及数据编码机制，可以从多重角度保证集群系统不受恶意访问和攻击，保护存储数据不被窃取。
2、分布式存储应用场景
分布式的“四高”特性，使得其在高性能计算、大数据视频云及大数据分析等应用场景中有着广泛的应用。
高性能计算场景
在如气象气候、地质勘探、航空航天、工程计算、材料工程等领域，基于集群的高性能计算，已成为必需的辅助工具。集群系统有极强的伸缩性，可通过在集群中增加或删减节点的方式，在不影响原有应用与计算任务的情况下，随时增加和降低系统的处理能力。根据不同的计算模式与规模，构成集群系统的节点数可以从几个到成千上万个。这些业务对后端的存储系统提出了新的需求，包括统一的存储空间、高效率的文件检索、高带宽的吞吐性能，高可靠的数据安全保障等。
大数据视频云应用场景
随着视频高清技术及超高清技术的普及，视频大数据应用场景，如雪亮工程、平安城市、广电媒资、影视制作、视频网站等领域，对存储设备提出了大容量、高读写性能、高可靠性、低延时及可扩展性等需求。针对这样大规模视频数据应用场景，就需要一个技术先进、性能优越的存储系统作为后端数据存储的支撑者。
大数据分析应用场景
伴随着互联网技术及人工智能的发展，各种基于海量用户/数据/终端的大数据分析及人工智能业务模式不断涌现，同样需要充分考虑存储功能集成度、数据安全性、数据稳定性，系统可扩展性、性能及成本各方面因素。
在数据爆发增长的“数字时代”，软件定义的分布式存储是存储技术高速发展的结晶，并具有着很大的成长空间，必将应用于更广泛的大数据业务场景。
⑶ 什么是分布式光伏对比集中式光伏发电有什么优势
分布式光伏发电：
这是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它区别于传统的集中式发电（火力发电等）庆大，倡导就近发电，就近并网，就近转换，就近使用的原则；不仅能够有效提供同等规模系统发电量，同时还有效解决了电力在升压或长途运输中的损耗问题。
分布式光伏发电的优点：
经济节能：一般自发自用，多余电力可通过国家电网卖给供电公司，不足时由电网供电，从此节约电费还能拿补贴；
隔热降温：在夏天可以隔热降温3-6度，冬天可以减少热传递；
绿色誉配竖环保：分布式光伏发电项目在发电过程中，没有噪音，也不会存在光污染，不存在辐射，是真正意义上的零排放卖衡、零污染的静态发电；
美观个性：将建筑学或美学及光伏技术完美地结合在一起，从而使整个屋面看起来美观大气，科技感强，并且提升了房产本身的价值。
⑷ 分布式存储的优点有哪些
分布式存储的六大优点
分布式存储往往采用分布式的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息。它不但提高了系统的可靠性、可用性和存取效率，还易于扩展，将通用硬件引入的不稳定因素降到最低。优点如下：
1. 高性能
一个具有高性能的分布式存户通常能够高效地管理读缓存和写缓存，并且支持自动的分级存储。分布式存储通过将热点区域内数据映射到高速存储中，来提高系统响应速度;一旦这些区域不再是热点，那么存储系统会将它们移出高速存储。而写缓存技术则可使配合高速存储来明显改变整体存储的性能，按照一定的策略，先将数据写入高速存储，再在适当的时间进行同步落盘。
2. 支持分级存储
由于通过网络进行松耦合链接，分布式存储允许高速存储和低速存储分开部署，或者任意比例混布。在不可预测的业务环境或者敏捷应用情况下，分层存储的优势可以发挥到最佳。解决了目前缓存分层存储最大的问题是当性能池读不命中后，从冷池提取数据的粒度太大，导致延迟高，从而给造成整体的性能的抖动的问题。
3. 一致性
与传统的存储架构使用RAID模式来保证数据的可靠性不同，分布式存储采用了多副本备份机制。在存储数据之前，分布式存储对数据进行了分片，分片后的数据按照一定的规则保存在集群节点上。为了保证多个数据副本之间的一致性，分布式存储通常采用的是一个副本写入，多个副本读取的强一致性技术，使用镜像、条带、分布式校验等方式满足租户对于可靠性不同的需求。在读取数据失败的时候，系统可以通过从其他副本读取数据，重新写入该副本进行恢复，从而保证副本的总数固定;当数据长时间处于不一致状态时，系统会自动数据重建恢复，同时租户可设定数据恢复的带宽规则，最小化对业务的影响。
4. 容灾性
在分布式存储的容灾中，一个重要的手段就是多时间点快照技术，使得用户生产系统能够实现一定时间间隔下的各版本数据的保存。特别值得一提的是，多时间点快照技术支持同时提取多个时间点样本同时恢复，这对于很多逻辑错误的灾难定位十分有用，如果用户有多台服务器或虚拟机可以用作系统恢复，通过比照和分析，可以快速找到哪个时间点才是需要回复的时间点，降低了故障定位的难度，缩短了定位时间。这个功能还非
5. 扩展性
6. 存储系统标准化
⑸ 分布式基站的分布式基站的优势
相对于传统宏基站，分布式基站具有下列明显的优势。
第一是提高了站址资源的有效利用率，降低了建设维护成本。鉴于基站选址非常困难，如果用RRU，需要的空间比较小， RRU就可以拉到任何的地方，因此它是一个因地制宜、灵活部署的调配的方案。分布式基站BBU和RRU分离，室内的BBU设备只负责基带信号处理，没有射频器件特别是功放模块，因此具有体积小、重量轻、功耗低、易于安装等特点。在目前移动通信网建站选址越来越困难的状况下，分布式基站“0”机房占用的特点相比于宏基站，可以达到节省机房空间、降低网络建设成本、加快网络建设速度的目的。同时，分布式基站采用高效率功放,减少了空调等其它配套设施的功耗，具有节能减排的特点。连接两端的接口采用光纤,损耗小，也可大幅度降低电力消耗,在国家大力提倡节能减排的今天，这点显得尤为珍贵。根据欧洲运营商的估算，如果全网都采用这种基站，可以节省成本超过30%。
第二是提高了基站的覆盖能力、网络升级方便。传统宏基站的发射与接收都要使用馈线，馈线会给信号带来损耗，损耗的大小与馈线的型号和长度有关。而BBU和RRU之间使用光纤连接，几乎没有损耗，因此和宏基站相比分布式基站具有更高的接收灵敏度和天线端发射功率。在灵活地配置资源方面，由于分布式基站将繁琐的维护工作简化到了基带处理部分，一个基带处理单元可以以不同的方式连接多个射频拉远处理单元，实现RRU之间的资源调度和调配，既节省了成本，也提高了组网的效率，充分利用这个基站拉远，可以统筹基站资源，针对上班、下班出现潮涌或者是潮落的现象进行灵活的资源调配，实现了一个灵活的容量和覆盖的转换。采用分布式基站也满足了未来网络的IP化的需要。因为新型的移动通信的标准，其演化速度非常快，高速的演进必然带来基站升级的问题。分布式基站的模块化设计，功能丰富，而且系统扩容升级比较方便，符合移动通信网络面向未来的需要。
第三是基站建设工程实施便利。和宏基站相比，本地拉远的分布式基站用光纤传输基带信号代替馈线传输射频信号。以三扇区站为例，从机房到天面，铺设3根光纤的工程难度远远的小于铺设6根7/8英寸的馈线。尤其是在当前，考虑到城市景观等因素，越来越多的站点需要进行隐蔽和伪装，在这方面光纤较馈线的优势就更为显着。
第四是降低了厂家研发成本。由于分布式基站内部Ir接口的标准化，将使得众多第三方模块厂家可以同基站的数字接口互联，不但可以降低研发成本，同时也可以实现多个厂家设备的互通互联，既提高了通用性和灵活性，也降低了运营商的采购和组网成本。
⑹ 分布式存储和超融合区别及优势
超融合的概念主要体现在超融合一体机，超融合一体机是将计算，存储结合，通过软件定义的形式将它们打通，再集中在一台机器中向客户提供服务。
超融合更适合业务量不大空间有限的中小型企业，少量超融合一体机就可以提供给中小型企业足够的网络，计算，存储等服务。但当随着企业业务发展，计算、网络、存储消耗占比发生较大偏移时，企业对存储、计算中某一项有更多的远超于其原有超融合一体机提供的服务需求时，再进行超融合一体机购买就会造成超融合一体机内其他资源的浪费。这就不得不另行购买独立的分布式存储来解决存储的问题，或独立的机器解决计算的需求。但某些超融合一体机不支持另行购买的分布式存储系统，使企业资源矛盾更为严重。同时超融合一体机的厂商，因为要兼顾做存储以及计算多项服务，所以存储产品的专业性及可靠性上会与专业做存储的公司的存储产品有一定差距。
所以随着企业的发展，从超融合架构走向非超融合的架构是必然的趋势。
⑺ 除了Hadoop 还有哪些分布式计算平台优势各自是什么
大致说一下目前在工业界（学术界）里比较流行的几种分布式计算框架（平台）：
1：MapRece(MR)，最为
general和流行的一个分布式计算框架，其开源实现Hadoop已经得到了极为广泛的运用（Facebook,
Yahoo!等等），同时在Hadoop基础上发展起来的项目也有很多（Hive是发展最好的），另外像
Cloudera，Hortonworks，MapR这样的在Hadoop基础上发展起来的公司也有很多。
2：Pregel，和MR一样也是Google发明的，其优势是在完成一些适合于抽象为图算法的应用的计算时可以更为高效，Giraph可以算是一个比较好的发展中的开源实现。
3：Storm，Twitter的项目，号称Hadoop的实时计算平台，对于一些需要real time performance的job可以拥有比MR更高的效率。
4：Spark，UC Berkeley AMPLab的项目，其很好地利用了JVM中的heap，对于中间计算结果可以有更好的缓存支持，因此其在performance上要比MR高出很多。Shark是其基础上类似于Hive的一个项目。
5：Dryad和Scope，
都是MR（Microsoft Research）的项目，从paper上来看Dryad是一个更为general
purpose的计算框架，在vertices里实现计算，通过channels实现communication，两者组成一个graph
workflow；而Scope有点类似于Hive和Shark，都是将某种类似于SQL的script
language编译成可以在底层分布式平台上计算的job。但是这两个项目因为不开源，所以资料不多，也没歼档有开源项目那样的敬衫community。
当然还有其他很多，比如Google的Dremel，Yale的HadoopDB（现在已经商业化叫氏稿乱做Hadapt）。