尺码hortonworks提供了一个公式来计算您的尺码
（（初始规模+同比增长+中间数据规模）repl cpount1.2）/比较比率
假设默认变量
repl\u count==3（默认值）comp\u ration=3-4（默认值）intermediate data size=30%-50%的原始数据大小。-1,2 factor-临时空间
所以第一年需要16.9 tb。您有8tb*5==40。所以空间不是主题。
性能5数据节点。在单个驱动器上读取1 tb平均需要2.5小时（源代码hadoop-权威指南）。一个驱动器600 gb需要1.5小时。估计您已经进行了复制，以便可以并行使用所有5个节点，这意味着用5个节点读取整个数据最多需要18分钟。
您可能需要添加更多的时间，这取决于您对查询所做的操作以及如何配置数据处理。
内存消耗
48GB并不多。许多数据节点的默认ram从128 gb开始。如果只将集群用于处理，则可能会成功。还取决于您如何配置集群以及使用哪些技术进行处理。如果您具有并发访问权限，则可能会遇到堆错误。
总而言之：
这在很大程度上取决于您想对集群做什么以及查询的复杂程度。还要记住，并发访问可能会产生问题。
如果对600 gb数据处理18分钟的时间（作为基线-实际值取决于许多未知因素，回答这些问题）就足够了，并且您没有并发访问，那么就这样做吧。

我建议在到达时转换数据。Hive可以给巨大的速度提升切换到一列压缩格式，如兽人或Parquet。我们讨论的是查询性能的潜在x30-x40倍改进。使用最新的配置单元，您可以利用orc文件上的流式数据摄取。
你可以让事情按计划进行（hbase+hive），只需依靠bruteforce5x（6核，48gb，7200rpm），但你不必这样做。一点工作可以让您进入交互式的即席查询时间域，这将打开数据分析。