在数据库时代，计算机在分布体系中的角色有明确划分，不是客户机就是服务器，通常是一台服务器连着多台客户机，服务器承担存储和计算的工作，客户机负责显示服务器的处理结果。高性能的计算机，比如小型机会被做为服务器，低端的计算机，如个人计算机成为客户机。这就是以前经常说的Client/Server(客户机/服务器）结构。
到了大数据时代，这种角色已经悄然发生了变化。客户机/服务器的概念已经模糊化，被“节点”的概念取代。而这种变化的原因，归根结底，还是数据处理需求发生了本质变化，迫使数据处理模型对应改变。有经验的数据系统管理员不妨对比一下，在数据库里，我们面临的数据存储和计算量是多少；而在大数据环境里，这些数据存储和计算量又是多少？正是由于大数据集群的数据存储和计算量实在太大，如果继续按照C/S模式来处理数据，就无法适应这种巨量的数据处理需求，同时还有设备采购成本和运营成本的带来压力，也迫切需要转变系统运行模式，重新设计系统架构。这样，节点的概念便应运而生。现在的大数据环境里，数据处理都被设计成按功能划分，切割成不同的阶段和模块，每个节点同时承担客户机和服务器的双重角色，即发送指令又处理指令。当发送指令的时候，它是一台客户机，等待服务器的反馈；当接受和处理指令的时候，它是一台服务器，执行数据处理工作。这种角色和工作模式的变化，既有简化数据处理设计和流程带来的好处，也使得我们对计算机性能的要求不那么关注了。现在的大数据集群里，个人计算机所以能够完全代了小型机，正是这个原因。并且由于进一步降低成本和节约能源消耗的需要，以手机为代表的移动架构硬件也越来越多地进入到大数据环境里，这对加快大数据的普及是十分有利的。
以下是Laxcus集群的节点分布图，所有节点都被设计成按照功能划分，它们在集群中承担着不同的工作，协同执行数据处理任务。
到了大数据时代，这种角色已经悄然发生了变化。客户机/服务器的概念已经模糊化，被“节点”的概念取代。而这种变化的原因，归根结底，还是数据处理需求发生了本质变化，迫使数据处理模型对应改变。有经验的数据系统管理员不妨对比一下，在数据库里，我们面临的数据存储和计算量是多少；而在大数据环境里，这些数据存储和计算量又是多少？正是由于大数据集群的数据存储和计算量实在太大，如果继续按照C/S模式来处理数据，就无法适应这种巨量的数据处理需求，同时还有设备采购成本和运营成本的带来压力，也迫切需要转变系统运行模式，重新设计系统架构。这样，节点的概念便应运而生。现在的大数据环境里，数据处理都被设计成按功能划分，切割成不同的阶段和模块，每个节点同时承担客户机和服务器的双重角色，即发送指令又处理指令。当发送指令的时候，它是一台客户机，等待服务器的反馈；当接受和处理指令的时候，它是一台服务器，执行数据处理工作。这种角色和工作模式的变化，既有简化数据处理设计和流程带来的好处，也使得我们对计算机性能的要求不那么关注了。现在的大数据集群里，个人计算机所以能够完全代了小型机，正是这个原因。并且由于进一步降低成本和节约能源消耗的需要，以手机为代表的移动架构硬件也越来越多地进入到大数据环境里，这对加快大数据的普及是十分有利的。
以下是Laxcus集群的节点分布图，所有节点都被设计成按照功能划分，它们在集群中承担着不同的工作，协同执行数据处理任务。
