(1)大數(shù)據(jù)存儲(chǔ)管理技術(shù)。大數(shù)據(jù)存儲(chǔ)技術(shù)首先需要解決的是數(shù)據(jù)海量化和快速增長(zhǎng)需求。存儲(chǔ)的硬件架構(gòu)和文件系統(tǒng)的性價(jià)比要大大高于傳統(tǒng)技術(shù)，存儲(chǔ)容量計(jì)劃應(yīng)可以無(wú)限制擴(kuò)展，且要求有很強(qiáng)的容錯(cuò)能力和并發(fā)讀寫能力。目前，谷歌文件系統(tǒng)(GFS)和Hadoop的分布式文件系統(tǒng)HDFS奠定了大數(shù)據(jù)存儲(chǔ)技術(shù)的基礎(chǔ)。大數(shù)據(jù)存儲(chǔ)技術(shù)第二個(gè)要解決的是處理格式多樣化的數(shù)據(jù)，這要求大數(shù)據(jù)存儲(chǔ)管理系統(tǒng)能夠?qū)Ω鞣N非結(jié)構(gòu)化數(shù)揖；進(jìn)行高效管理，代表產(chǎn)品如：谷歌BigTable和HadoopHbase等非關(guān)系型數(shù)據(jù)庫(kù)(NoSQL)。
    (2)大數(shù)據(jù)并行分析技術(shù)。大數(shù)據(jù)的分析挖掘是數(shù)據(jù)密集型計(jì)算，需要巨大的計(jì)算能力，對(duì)計(jì)算單元和存儲(chǔ)單元的數(shù)據(jù)吞吐率要求極高，并要求計(jì)算系統(tǒng)有非常好的擴(kuò)展性和性價(jià)比。谷歌的MapReduce是主要的大數(shù)據(jù)分布式并行計(jì)算技術(shù)之一，而開源的分布式并行計(jì)算技術(shù)Apache HadoopMapReduce，已經(jīng)成為應(yīng)用最廣泛的大數(shù)據(jù)計(jì)算軟件平臺(tái)。
    (3)大數(shù)據(jù)分析技術(shù)。大數(shù)據(jù)分析技術(shù)的發(fā)展需要在兩個(gè)方面取得突破，一是對(duì)規(guī)模非常龐大的結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行高效的深度分析：二是對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析，將海量復(fù)雜多源的語(yǔ)音、圖像和視頻數(shù)據(jù)轉(zhuǎn)化為機(jī)器可識(shí)別的、具有明確語(yǔ)義的信息，獲取隱性的知識(shí)。大數(shù)據(jù)分析的技術(shù)路線主要是通過(guò)建立人工智能系統(tǒng)，使用大量樣本數(shù)據(jù)進(jìn)行訓(xùn)練，讓機(jī)器模仿人工，獲得從數(shù)據(jù)中提取知識(shí)的能力。2006年，科學(xué)家根據(jù)人腦認(rèn)知過(guò)程的分層特性，提出增加人工神經(jīng)網(wǎng)絡(luò)層數(shù)和神經(jīng)元節(jié)點(diǎn)數(shù)量，加大機(jī)器學(xué)習(xí)的規(guī)模．構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，可以提高訓(xùn)練效果，使得神經(jīng)網(wǎng)絡(luò)技術(shù)成為機(jī)器學(xué)習(xí)分析技術(shù)的熱點(diǎn)，并在語(yǔ)音識(shí)別和圖像識(shí)別方面取得了很好的效果。