1，除了网盘之外还有什么可以存储大数据2，数据挖掘中数据仓库的存储方式有哪些及区别3，怎样存储大数据4，hadoop是怎么存储大数据的1，除了网盘之外还有什么可以存储大数据
所谓的网盘，只不过是别人提供给你的硬盘地址而已。。。实际上还是存在硬盘里面，只不过不是你的硬盘。。。。固态硬盘了解下兴宇中科在云秘盘产品设计之初，采用多种专业加密算法和硬件认证机制，安全系数这块还是很有保障滴
2，数据挖掘中数据仓库的存储方式有哪些及区别
http://www.baidu.com/s?wd=%ca%fd%be%dd%cd%da%be%f2%d6%d0%ca%fd%be%dd%b2%d6%bf%e2%b5%c4%b4%e6%b4%a2%b7%bd%ca%bd+&cl=3看一下很详细的数据仓库是采用关系模型存储的原始的数据信息，数据是按照一定的主题域进行组织的而olap是由数据仓库中的数据经过一定的模型抽取得到的，为数据分析提供支持的数据存储，因此相对于底层日志形式的数据仓库，其存储结构发生了变化。rolap服务器中数据虽然以关系表存储，但其关系结构可能与数据仓库中不同，而molap则采用了更加利于数据分析的数据立方结构存储数据。
3，怎样存储大数据
用一块2tb硬盘存储大量文件、数据。可以有两种方式，一种是分表，另一种是分区 首先是分表，就像你自己所说的，可以按月分表，可以按用户id分表等等，至于采用哪种方式分表，要看你的业务逻辑了，分表不好的地方就是查询有时候需要跨多个表。 然后是分区，分区可以将表分离在若干不同的表空间上，用分而治之的方法来支撑无限膨胀的大表，给大表在物理一级的可管理性。将大表分割成较小的分区可以改善表的维护、备份、恢复、事务及查询性能。分区的好处是分区的优点： 1 增强可用性：如果表的一个分区由于系统故障而不能使用，表的其余好的分区仍然可以使用； 2 减少关闭时间：如果系统故障只影响表的一部分分区，那么只有这部分分区需要修复，故能比整个大表修复花的时间更少； 3 维护轻松：如果需要重建表，独立管理每个分区比管理单个大表要轻松得多； 4 均衡i/o:可以把表的不同分区分配到不同的磁盘来平衡i/o改善性能； 5 改善性能：对大表的查询、增加、修改等操作可以分解到表的不同分区来并行执行，可使运行速度更快； 6 分区对用户透明，最终用户感觉不到分区的存在。
4，hadoop是怎么存储大数据的
hadoop本身是分布式框架，如果在hadoop框架下，需要配合hbase，hive等工具来进行大数据计算。如果具体深入还要了解hdfs，map/reduce，任务机制等等。如果要分析还要考虑其他分析展现工具。大数据还有分析才有价值用于分析大数据的工具主要有开源与商用两个生态圈。开源大数据生态圈：1、hadoop hdfs、hadoopmapreduce, hbase、hive 渐次诞生，早期hadoop生态圈逐步形成。2、. hypertable是另类。它存在于hadoop生态圈之外，但也曾经有一些用户。3、nosql，membase、mongodb商用大数据生态圈：1、一体机数据库/数据仓库：ibm puredata(netezza), oracleexadata, sap hana等等。2、数据仓库：teradataasterdata, emc greenplum, hpvertica 等等。3、数据集市：qlikview、 tableau 、 以及国内的yonghong data mart 。存放到hdfs 一般都是要分析的数据。分析完成的数据直接存储到mysql 或者oracle 中。这种处理方式是离线处理。如日志文件存储到hdfs 分析出网站的流量 uv pv 等等。一般都是用pig hive 和mr 等进行分析的。 存放到hbase 一般都是数据拿过来直接用的。而且他是实时的。也就是说数据就是成型的而且不需要进行分析就能得到结果的数据。 大致就是这么个意思。有点啰嗦了。