所以，本文在选取一些架构图之后，只配以最简单的文字，个中内容，读者自行品味之。如果有任何问题或建议，欢迎不吝指正或畅所欲言。谢谢。
? 1、淘宝海量数据产品技术架构
上图是淘宝的数据魔方。按照数据的流向来划分，淘宝的数据产品的技术架构分为五层（如上图所示），分别是数据源、计算层、存储层、查询层和产品层（图摘自《程序员》8月刊）。
? 2、搜索引擎架构图
? 3、Facebook架构
3.1、架构概览
设计原则
? 尽可能的使用开源软件，并且在需要优化的时候进行优化 ? Unix 哲学。包括，模块化原则；整合化原则；清晰化原则等
? 任何组件具备扩展性；最小化故障影响；简化，简化，简化（本段文字摘自DBA nots）。
3.2、Facebook NewsFeed 的架构示意图
3.3、Facebook 搜索功能的架构示意图
..................
@hawksoft：处理海量数据的基本思路就是分而治之的策略和流水线作业。虽然从单个的计算效率来说，单台计算机的计算效率应该是最高的，但单台计算机的吞吐量有限。分布式计算的优势就在于虽然牺牲了部分计算能力，但由于人多力量大，而且节点间配置灵活，可互补，比单纯的增加计算机数量的模式要具有很大的优势。分布式计算的关键点就在于切分、调度、冗余和通信（谢谢风大哥）。
这些东西原理容易知道，但实践很难,因为一般人很少有机会。至于更多有关Mapreduce的介绍，还可参考：从Hadhoop框架与MapReduce模式中谈海量数据处理 ，与MapReduce技术的初步了解与学习。完。
海量数据处理专题（一）——开篇
搜索引擎, 海量数据热度：1,200 ℃ 我要评论 九 242010
大数据量的问题是很多面试笔试中经常出现的问题，比如baidu google 腾讯 这样的一些涉及到海量数据的公司经常会问到。
下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能完全覆盖所有的问题，但是这样的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目，方法不一定最优，如果你有更好的处理方法，欢迎与我讨论。
本贴从解决这类问题的方法入手，开辟一系列专题来解决海量数据问题。拟包含 以下几个方面。 1.
Bloom Filter