中國IDC圈6月16日報道，“大數據”是指以多元形式，自很多來歷匯集而來的復雜數據組，往往具有及時性。在企業對企業銷售的環境下，這些數據大概得自社交網絡、電子商務網站、顧主來訪記載，尚有很多其他來歷。這些數據，并非公司顧主干系打點數據庫的常態數據組。

效率問題較為巨大。因為程度數據庫模子大概是通過雷同大大都SOA流程的信息處事總線來完成的，一個重要的步調是要確保與該編排相關的開銷額度保持在最低水平。這可以輔佐淘汰與SOA相關的數據會見開銷，但它不能降服存儲系統自己的問題。因為這些存儲系統已經通進程度模子離開了SOA組件，很容易被忽略與延遲和數據傳輸量相關的問題，出格地，假如數據庫是云漫衍的，，那么利用他們就會發生可變的網絡延遲。

上述問題的一個辦理方案是現代分層存儲模式。數據庫不是磁盤，而是一組彼此毗連的高速緩存點，其存儲于當地內存中，也大概轉向固態硬盤，然后到當地磁盤，最后到云存儲。緩存算法處理懲罰這些緩存點之間的勾當，從而來均衡存儲本錢（同時也是均衡同步地更新本錢）和機能。

對付大數據，它也是常常可以建設合用于大大都闡明的匯總數據。譬喻一個計較差異所在車輛數量的交通遙測應用。這中要領可以發生大量的數據，可是假如匯總數據最后一分鐘還存儲在內存中，最后一小時存儲在閃存中，最后一天存在磁盤上，那么節制應用措施所需的實際時間可以通過快速會見資源獲得滿意,然而假設闡明時我們可以利用一些更自制、更慢的應用措施是會奈何。

SOA都是抽象的，但當抽象埋沒了底層影響機能和響應時間的巨大性時，這種抽象的危險水平會提高。數據會見也是這樣的，因此,SOA架構師需要當真地思量抽象與機能之間的均衡干系，并為其特定的業務需求優化它。