以问答百科为例，讲述大数据的故事。以下数字不真实，都是我的假设。
比如每天有1亿用户在问答百科上回答问题或者阅读问答。
每天产生的内容假设每天平均有1000万用户回答一个问题。一个问题平均1000字，一个汉字平均占2字节，三张图，一张图平均占300KB。那么一天的数据量是:
总文本:10，000，000 * 1，000 * 2 B = 20 GB
图片总数:10，000，000 * 3 * 300KB = 9 TB
为了收集用户行为，所有进入和离开测验页面的用户。点击、查询、停留、喜欢、转发、收集记录并存储。这个量级比较大。
所以粗略估计一天20TB的数据量。一般PC配置1TB左右，一天需要20台PC的存储。
如果有一个月的数据或者一年的数据，就可以算出有多少。传统的数据库系统很难在数量上实现。
另外，这些数据都是文档类型的数据。需要多种存储系统支持，如NoSQL数据库。
需要分布式的数据存储，比如Hadoop的HDFS。
以上1000万个回答，会有1亿人阅读。有数百个系统提供服务。这些数据需要在互联网上的各个系统之间来回传输。需要一个像Kafka这样的消息系统。
同时在线人数高峰时可能达到数千万。如此高的流量需要多台前端服务器同时提供一致的服务。为了给用户提供二级服务表示，需要redis这样的缓存系统。
机器学习，智能推荐所有的内容，包括图片，也会用机器学习分析，从而得到每个用户的喜好，给用户推荐合适的内容和广告。还有这么大的数据量，必须实时分析、审核、审批，才能发布。人工审核肯定做不到，必须用机器进行智能分析，这需要模式识别、机器学习和深度学习。实时计算需要Spark、Flink等流计算技术。
服务器管理数以千计的服务器，协同工作。而且网络硬件也会经常出问题。这么多资源的有效利用，需要使用云计算技术、K8S等容器管理工具。还需要分布式系统的可靠性和容灾技术。
我，@小马过河Vizit，重点分享分布式系统的原理和实践。希望动画能生动准确的演示抽象的原理。欢迎关注。
关于我的名字。小马过河Vizit的意思是一切都像小马过河，需要自己去尝试。只有探索，才能有乐趣和新知。Vizit指的是Visualize it的缩写。一张图胜过千言万语。希望可以用动画把一些抽象的原理形象化。
