大数据分布式存储是指分布式存储系统技术的应用，用于存储海量的大数据。大数据需要存储的规模通常比以往规模大得多，这就要求使用分布式存储技术，以提供更好的在线服务，支持更高的存储容量、更高的访问速度、更快的处理速度以及更多的灵活性，以满足不断变化的大数据存储需求。 针对大数据技术，目前采用的分布式存储系统主要有Hadoop、HBase、KMS、Memcache 和 MongoDB 等技术，它们都具有分布式存储的特点和优点，如：计算能力强大、存储容量大、数据的获取、检索和处理更快、数据可靠性更高、数据处理更加灵活和更低的存储成本。使用分布式技术可以在机器群松散网络中实现数据共享和存储，从而节省时间和资源。

Hadoop是Apache基金会推出的用于大数据存储、处理和分析的开源框架，包括两大子项目HDFS(Hadoop Distributed File System)和MapReduce.HDFS的设计目标是提供高吞吐量和高扩展能力的分布式存储，以存储由大量机器产生的海量数据，而MapReduce则是一个支持容错及分布式的程序运行框架，它能够有效的处理数据存储在HDFS上的数据。

HBase是一个基于Hadoop的分布式、开放源、面向列的数据库，可以对结构化和非结构化的数据进行高效地存取和查询，它被设计来支持大规模的数据存储和处理应用程序，同时具备良好的稳定性和可靠性可以有效地支持海量用户。此外，HBase还提供实时 读/写访问权限，允许用户在构建实时应用程序时使用。

KMS是一种基于分布式、开放源的分布式存储系统，允许用户以分布式的方式，同时又保证所有数据安全地存储在不同的服务器上，它具有良好的高达能力、可伸缩性和可靠性等特点，可以充分满足大规模海量数据的存储和管理需求，有效实现220存储过程的自动化和精细化，彻底替代传统的存储系统，并发挥出最大的原则性。

Memcache 是一种高速缓存系统，不仅能够有效管理大量关系数据，还可以把处理大量数据的压力从数据库中转移出去，达到减少系统的整体负载的目的。其支持多种数据存储模式，如位标记，关联数组等，并且它允许用户以多种方式对对象进行配置，及时性更高，能够满足大数据存储领域等众多需求。

MongoDB是一种文档导向数据库，它可以快速、灵活地存储、处理和检索海量数据，特别适合大数据应用场景下的开发，它能让开发者在需求变更急需的情况下，非常迅速地改动现有的应用程序，而不用对数据库的架构进行重新的设计，充分满足海量数据存储和访问的需要。

综上所述,大数