大數據一出現，就成爲了業界的寵兒，每個企業和組織都言必稱採用大數據技術。那大數據究竟有沒有標準，是否每個產品都可以貼上大數據的標籤。大數據處理對象的4V特性大家都是耳熟能詳，此處就不多談，除此以外，大數據其實有自己數據量化指標。
“數據總體存儲量達到PB級標準，每秒數據處理速度達到GB級標準”。達到這一標準，就可以貼上一個大數據的標籤。或許會有人認爲這一標準不是難事，不就是拼硬件，不就是購買10萬個1T的硬盤，買10萬個硬盤不就解決了嗎？真的就這麼簡單？
要達到這一標準，技術門檻非常高。
給你10萬個1T的硬盤，在硬件層面，如何組網，數據備份和容災怎麼做，系統可靠性如何保證，整個系統的IO如何設計？
在軟件層面，具體到如存儲這些數據、數據格式如何、數據的管理節點如何分佈，數據冗餘和同步、備份如何設計？
在計算層面，如何快速對於數據進行檢索，如何對於數據進行高效主題計算，如何獲取到高價值的信息，如何能夠做到PB級數據計算，並保證數據計算的實時性。
當然有人會說，我們有Hadoop,這個問題不就解決了嗎？Hadoop提供的HDFS分佈式文件系統和HBASE，的確是一種好的解決方案或者技術方向，
但是這些技術提供的只是一個具體的框架性技術，技術本身也在逐漸完善，要想使用好這些技術，自己要做事情會非常多，針對各個不同的業務場景，使用HDFS和HBASE的技術實踐一直都屬於高技術難度的工作，具體到部署策略，分區域管理策略、數據同步策略都是高難度的任務，目前技術上面完全解決，是非常困難的，只能做到一個技術平衡取捨，從目前獲取到的資料看，做爲國內技術上頂尖的淘寶技術團隊，目前使用HBASE上線產品的數據管理容量也就只能達到200T水平，還沒有能夠搭建出PB級的上線產品。
就個人看法，大數據就是一把雙刃劍，面對海量數據，合理利用，就能給你帶來源源的財富，使用不當，那就是一種技術負擔，會讓人焦頭爛額，疲憊不堪。大數據核心技術，有自身的解決方向和自然規律，這與基於RDBS的MIS系統處理思路完全不一樣。好比在風景區登山技術和登珠穆朗瑪峯的技術完全就不是一個技術，修建3層小樓建築技術和修建上海中心600多米的建築技術完全不是一個技術。
因此，企業和組織在自己產品貼上大數據的標籤同時，請仔細掂量一下自己的技術積累，有沒有這種大數據處理核心能力，慎重的貼上這個標籤。