A. 存储器容量扩充方法有哪几种他们各有什么优缺点
字扩展与位扩展，但是它们两个合起来才是一种完整的存储器扩展方法。
B. 在保障数据可靠性上现在火热的软件定义存储和传统存储有什么区别
超融合核心的分布式存储也是软件定义存储（SDS）的一种形态，而超融合架构本质上也是一种软件定义存储（SDS）和虚拟化融合部署的模式。所以软件定义存储与传统存储在数据可靠性方面可以参考超融合与传统架构的对比，详情如下：
用服务器构建存储，客户顾虑最多的首先是可靠性，如果需要衡量可靠性：
系统的冗余度？通俗的说就是允许硬件坏多少？
出现故障后是否完全自动恢复？
恢复速度和时间？因为系统处于降级状态下是比较危险的状态，故障窗口越小，出现整体故障的可能性就越小。
以下给出详细的系统冗余与恢复机制对比。
多副本：同一份数据会保存多份（通常设置为 2 副本或 3 副本），即使副本所在的节点宕机也不会造成数据丢失；
HA（高可用）：节点宕机时，该节点上的虚拟机自动迁移至集群内其它节点，降低业务中断时间；
机架感知：根据机房物理拓扑结构，将副本分配在不同的机架、机箱、主机上，有效减少甚至避免物理硬件（电源、交换机等）故障导致的数据丢失。理论上，3 副本结合机架感知配置，系统可最多容忍 2 个机架上的主机全部失效；
快照：为虚拟机打快照，在其发生故障时将数据恢复至快照状态；
双活：同城双数据中心，灾难时无损快速恢复业务（RPO=0）；
备份：异地主备数据中心，灾难时尽可能挽回数据损失。
C. 小米手机，存储128G，不够用怎么办存储可以扩展吗
扩展不了，淘宝上虽然有扩展内存的店，但是不一定稳定
D. 软件定义存储相比传统存储有何优势
超融合核心的分布式存储也是软件定义存储（SDS）的一种形态，而超融合架构本质上也是一种软件定义存储（SDS）和虚拟化融合部署的模式。所以软件定义存储与传统存储的区别可以参考超融合与传统架构的区别，详情如下：
一、架构和资源管理模式对比如下以SmartX 超融合产品为例，分别给出了下超融合架构和传统架构的部署区别和资源管理模式区别。
从上图可以看出，超融合架构在整个产品运维周期中，不仅大量操作被自动化，运维简单，而且时间短，效率高。可以有效降低人员要求，将 IT 人员解放出来进行更创新的活动。
5、采购成本和总拥有成本的降低在客户最关注的成本方面，服务器+超融合软件（或超融合一体机），相比服务器加传统中高端存储的成本，有较大幅度的降低。但除了采购成本，超融合在总拥有成本上都有大幅降低。关于超融合在成本方面的优势可以访问官方技术博客：《超融合相比传统FC SAN架构有什么成本优势？》
可以看到，超融合通过创新的架构，以更优的成本让IT基础架构更敏捷、能力更强，而这些特性，将为用户加快数字化转型奠定坚实基础。
E. 扩展存储器
（5）为什么要扩展ROM，是因为1KB（c51）不够吗？又是怎么判断不够的。
扩展ROM的理由太多了！
有可能是片内不含有ROM；
也有可能片内ROM写入次数太多，已经不能写入程序了；
也可能是个人的爱好，只是喜欢用片外的ROM，便于更换；
……
至于片内的不够用，并不是使用片外ROM的唯一条件。
怎么判断不够？
编写、编译程序时，可以从编译软件上看出用了多少ROM空间，买个够用的单片机就可以了。目前还没有发现64KROM还不够的程序。
（6）通过扩展后，片外RAM达到64KB。此时，单片机的总的RAM就是64+128吗？片内和片外RAM里是怎么存放数据的？难道是片内不够时往片外里放？
总容量，是 64KB+128B。
怎么存放数据，是因人而异的。每个人，都可以按照自己的思路使用这些存储空间。
F. 存储器的扩展方式哪三种
存储器的扩展方式有字扩展、位扩展、字位同时扩展。存储器芯片与单片机扩展连接具有共同的规律。即不论何种存储器芯片，其引脚都呈三总线结构，与单片机连接都是三总线对接。另外，电源线接电源线，地线接地线。
目前生产的存储器芯片容量有限，在字数或字长方面与实际存储器要求有所差距，所以要在字向与位向两方面进行扩充，才能满足实际存储器的要求。
cpu对存储器进行读写操作时，首先由地址总线给出地址信号，然后再发出有关进行读操作与写操作的控制信号，最后在数据总线上进行信息交换。
(6)传统存储可以随意扩展吗扩展阅读：
存储器的扩展技术：
总片数=总容量/(容量/片)。
例：存储器容量为8K×8b，若选用2114芯片(1K×4b)，则需要的芯片数为：(8K×8b)/(1K×4b)=16(片)。
（1）位扩展。
只在位数方向扩展(加大字长)，而芯片的字数和存储器的字数是一致的。即b前面不一样，K前面保持一样。
例：用64K×1b的SRAM芯片组成64K×8b的存储器，所需芯片数为：(64K×8b)/(64K×1b)=8(片)。
位扩展的关键就是将两个存储芯片当成一个存储芯片来用，让两个存储芯片同时工作，同时被选中，同时做读操作，同时做写操作，要想保证同时，就是把两个芯片的片选，用相同的信号进行连接。
（2）字扩展。
仅在字数方向扩展，而位数不变。即K前面不一样，b前面保持一样。
例：用16K×8b的SRAM组成以64K×8b的存储器，所需芯片数为：(64K×8b)/(16K×8b)=4(片)。
（3）字和位同时扩展。
参考资料来源：网络-位扩展
参考资料来源：网络-字扩展
G. 大数据的预测功能是增值服务的核心
大数据的预测功能是增值服务的核心
从走在大数据发展前沿的互联网新兴行业，到与人类生活息息相关的医疗保健、电力、通信等传统行业，大数据浪潮无时无刻不在改变着人们的生产和生活方式。大数据时代的到来，给国内外各行各业带来诸多的变革动力和巨大价值。
最新发布的报告称，全球大数据市场规模将在未来五年内迎来高达26%的年复合增长率——从今年的148.7亿美元增长到2018年的463.4亿美元。全球各大公司、企业和研究机构对大数据商业模式进行了广泛地探索和尝试，虽然仍旧有许多模式尚不明朗，但是也逐渐形成了一些成熟的商业模式。
两种存储模式为主
互联网上的每一个网页、每一张图片、每一封邮件，通信行业每一条短消息、每一通电话，电力行业每一户用电数据等等，这些足迹都以“数据”的形式被记录下来，并以几何量级的速度增长。这就是大数据时代带给我们最直观的冲击。
正因为数据量之大，数据多为非结构化，现有的诸多存储介质和系统极大地限制着大数据的挖掘和发展。为更好地解决大数据存储问题，国内外各大企业和研究机构做了许许多多的尝试和努力，并不断摸索其商业化前景，目前形成了如下两种比较成熟的商业模式：
可扩展的存储解决方案。该存储解决方案可帮助政府、企业对存储的内容进行分类和确定优先级，高效安全地存储到适当存储介质中。而以存储区域网络（SAN）、统一存储、文件整合/网络连接存储（NAS）的传统存储解决方案，无法提供和扩展处理大数据所需要的灵活性。而以Intel、Oracle、华为、中兴等为代表的新一代存储解决方案提供商提供的适用于大、中小企业级的全系存储解决方案，通过标准化IT基础架构、自动化流程和高扩展性，来满足大数据多种应用需求。
云存储。云存储是一个以数据存储和管理为核心的云计算系统，其结构模型一般由存储层、基础管理、应用接口和访问层四层组成。通过易于使用的API，方便用户将各种数据放到云存储里面，然后像使用水电一样按用量进行收费。用户不用关心数据的存储介质、网络状况以及安全性的管理，只需按需向提供方购买空间。
源数据价值水涨船高
在红红火火的大数据时代，随着数据的累积，数据本身的价值也在不断升值，这种情况很好地反应了事物由量变到质变的规律。例如有一种罕见的疾病，得病率为十万分之一，如果从小样本数据来看非常罕见，但是扩大到全世界70亿人，那么数量就非常庞大。以前技术落后，不能将该病情数字化集中研究，所以很难攻克。但是，我们现在把各种各样的数据案例搜集起来统一分析，我们很快就能攻克很多以前想象不到的科学难题。类似的例子，不胜枚举。
正是由于可以通过大数据挖掘到很多看不见的价值，源数据本身的价值也水涨船高。一些掌握海量有效数据的公司和企业找到了一条行之有效的商业路径：对源数据直接或者经过简单封装销售。在互联网领域，以Facebook、twitter、微博为代表的社交网站拥有大量的用户和用户关系数据，这些网站正尝试以各种方式对该源数据进行商业化销售，Google、Yahoo!、网络[微博]等搜索公司拥有大量的搜索轨迹数据以及网页数据，他们可以通过简单API提供给第三方并从中盈利；在传统行业中，中国联通[微博]（3.44, 0.03, 0.88%）、中国电信[微博]等运营商拥有大量的底层用户资料，可以通过简单地去隐私化，然后进行销售盈利。
各大公司或者企业通过提供海量数据服务来支撑公司发展，同时以免费的服务补偿用户，这种成熟的商业模式经受住了时间的考验。但是对于任何用户数据的买卖，还需处理好用户隐私信息，通过去隐私化方式，来保护好用户隐私。
预测是增值服务的核心
在大数据基础上进行深度挖掘，所衍生出来的增值服务，是大数据领域最具想象空间的商业模式。大数据增值服务的核心是什么？预测！大数据引发了商业分析模式转变，从过去的样本模式到现在的全数据模式，从过去的小概率到现在的大概率，从而能够得到比以前更准确的预测。目前形成了如下几种比较成熟的商业模式。
个性化的精准营销。一提起“垃圾短信”，大家都很厌烦，这是因为本来在营销方看来是有价值的、“对”的信息，发到了“错”的用户手里。通过对用户的大量的行为数据进行详细分析，深度挖掘之后，能够实现给“对”的用户发送“对”的信息。比如大型商场可以对会员的购买记录进行深度分析，发掘用户和品牌之间的关联。然后，当某个品牌的忠实用户收到该品牌打折促销的短信之后，一定不是厌烦，而是欣喜。如优捷信达、中科嘉速等拥有强大数据处理技术的公司在数据挖掘、精准广告分析等方面拥有丰富的经验。
企业经营的决策指导。针对大量的用户数据，运用成熟的数据挖掘技术，分析得到企业运营的各种趋势，从而给企业的决策提供强有力的指导。例如，汽车销售公司，可以通过对网络上用户的大量评论进行分析，得到用户最关心和最不满意的功能，然后对自己的下一代产品进行有针对性的改进，以提升消费者的满意度。
总体来说，从宏观层面来看，大数据是我们未来社会的新能源；从企业微观层面来看，大数据分析和运用能力正成为企业的核心竞争力。深入研究和积极探索大数据的商业模式，对企业的未来发展有至关重要的意义。
H. 手机内存可以扩展吗我说的不是存储卡，而是什么RAM还是ROM那个。
手机焊接在主板上的内存是不可以扩展的，你手机上的属于RAM,RAM是可读可写的存储器，ROM是只读存储器，是一种只可以读，不可以写的存储器！
I. 手机自带内存能扩大么
手机机身存储空间是不能扩大的。
但是可以通过安装内存卡（也就是MicroSD卡）来扩展内存空间。
Micro SD Card，原名Trans-flash Card(TF卡)，2004年正式更名为Micro SD Card，由SanDisk(闪迪)公司发明。在Micro SD面市之前，手机制造商都采用嵌入式记忆体，虽然这类模组容易装设，然而有着无法应实际应潮流需求的困扰--容量被限制住了，无法再有升级空间。Micro SD仿效SIM卡的应用模式，即是同一张卡可以应用在不同型号的行动电话内，让行动电话制造商不用再为插卡式的研发设计而伤脑筋。 Micro SD卡足以堪称可移动式的储存IC。
Micro SD卡是一种极细小的快闪存储器卡，其格式源自SanDisk创造，原本这种记忆卡称为T-Flash，及后改称为Trans Flash;而重新命名为Micro SD的原因是因为被SD协会 (SDA) 采立。另一些被SDA采立的记忆卡包括Mini SD和SD卡。其主要应用于移动电话，但因它的体积微小和储存容量的不断提高，已经使用于GPS设备、便携式音乐播放器和一些快闪存储器盘中。它的体积为 15mm x 11mm x1mm ，差不多相等于手指甲的大小，是现时最细小的记忆卡。它也能通过SD转接卡来接驳于SD卡插槽中使用。 现时MicroSD卡提供128MB、256MB、512MB、1G、2G、4G、8G、16G、32G和64G的容量(MWC 2014 世界移动通信大会期间，SanDisk打破了储存卡最高64GB容量的传统，正式发布了一款容量高达128GB的 Micro SD XC 储存卡。
J. 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。