传统大数据存储系统的三种架构
1. HDFS + Hbase架构：HDFS是Hadoop Distributed File System的简称，是一种基于Java语言编写的分布式文件系统，它可以提供高容错性、高吞吐量的数据存储服务。Hbase是一种基于Hadoop的分布式列式存储系统，它具有高可靠性、高扩展性和高可伸缩性。
2. 联机分析处理（OLAP）架构：OLAP是一种在线分析处理系统，它是一种面向主题的、分析型的、多维的、动态的数据处理技术，主要用于大数据的查询和分析。OLAP系统通常包括以下四部分：数据源、数据仓库、OLAP引擎和客户端。
3. 分布式数据库（NoSQL）架构：NoSQL是指非关系型数据库，它的设计目标是解决大规模数据集合多重数据种类带来的挑战。NoSQL数据库主要分为以下4类：键值（Key-Value）型数据库、文档（Document）型数据库、列（Column）型数据库和图形（Graph）型数据库。在大数据存储中，NoSQL数据库广泛应用于Web应用、日志分析、社交网络等领域。
这三种架构各有优缺点，使用时需要考虑具体的业务需求和系统性能要求，综合选择最适合的架构。
传统大数据存储系统通常有以下三种架构：
1. 单机存储架构：这种架构使用单个服务器来存储和处理大数据。它通常包括一个主服务器和多个从服务器，主服务器负责数据的输入、处理和管理，而从服务器用于存储数据和执行计算任务。单机存储架构适用于小规模的数据存储和处理需求，但在面对大规模数据和高并发访问时可能存在性能瓶颈。
2. 分布式存储架构：这种架构将数据分布在多个服务器上，以实现数据的分片存储和并行处理。每个服务器都负责存储和处理一部分数据，通过分布式文件系统或分布式数据库管理数据的分布和访问。分布式存储架构可以提供更高的数据处理能力和可扩展性，适用于大规模的数据存储和处理需求。
3. 多层存储架构：这种架构将数据分为多个层级，并根据数据的访问频率和重要性将其存储在不同的介质上。通常包括快速存储层（如内存或固态硬盘）用于存储热数据，以及较慢的存储层（如磁盘）用于存储冷数据。多层存储架构可以在满足性能需求的同时节省存储成本，提高数据的访问效率。
这些传统大数据存储系统架构各有优缺点，选择适合的架构取决于具体的数据存储和处理需求，以及预算和性能要求。近年来，随着云计算和分布
超大的数据用什么储存
超大的数据用No SQL 数据库存储。
它可以支持超大规模数据存储,灵活的数据模型可以很好地支持 Web2.0 应用。具有强大的横向扩展能力等。
而且，云数据库具有高可扩展性、高可用性、采用多租形式和支持资源有效分发等特点。
云数据库是基于云计算技术发展的一种共享基础架构的方法，是部署和虚拟化在云计算环境中的数据库。
一个web项目全用存储过程加视图，数据库sqlserver，有可实施性吗
可以是可以的啊，但是不推荐，不是目前主流方式。看项目负责人怎么思考的。技术选型没有绝对对错或者完美，还是看项目负责人怎么把控项目需求，没有绝对答案。
但就目前一般其他项目而言，比较少选用此方案。灵活性虽然有，但有限，还是可能需要动代码。目前代码修改发版，也快。
