大数据时代的发展离不开一系列支撑技术，这些技术共同构成了大数据处理、存储、分析和应用的基础设施。以下是支撑大数据时代发展的主要技术：
1. 分布式计算框架（distributed computing frameworks）：如apache hadoop、apache spark等，它们提供了一种高效、可扩展的数据存储和计算能力，能够处理海量数据。hadoop是一个开源框架，实现了数据的分布式存储和计算；spark则是一种快速、通用的计算引擎，支持多种编程语言。
2. 数据仓库（data warehousing）：数据仓库技术为大规模数据集提供了结构化的存储和管理解决方案，使得数据分析变得更加高效。常见的数据仓库技术包括amazon redshift、microsoft sql server、ibm db2等。
3. 大数据存储技术（big data storage technologies）：为了应对大数据量的挑战，各种存储技术应运而生。传统的关系型数据库管理系统（rdbms）已经无法满足大数据的需求，而nosql数据库、列式存储、内存计算等新型存储技术逐渐崛起，为大数据提供了更加灵活、高效的存储解决方案。
4. 实时数据处理（real-time data processing）：随着物联网、移动互联网等技术的发展，实时数据处理变得越来越重要。流处理框架如apache kafka、apache flink等，提供了实时数据处理的能力，可以快速响应业务需求。
5. 数据挖掘与机器学习（data mining and machine learning）：大数据分析离不开数据挖掘和机器学习技术。常用的数据挖掘算法有分类、聚类、关联规则挖掘等；机器学习算法则包括监督学习、无监督学习、强化学习等，它们能够从大量数据中提取有价值的信息，为决策提供支持。
6. 可视化工具（visualization tools）：大数据时代需要将复杂的数据以直观的方式展示出来，以便用户理解和分析。常见的可视化工具有tableau、power bi、d3.js等，它们能够帮助用户快速构建数据模型，实现数据的可视化展示。
7. 云计算平台（cloud computing platforms）：云计算平台提供了弹性、可扩展的计算资源，使企业能够轻松应对大数据处理的需求。主流的云服务提供商有amazon web services、microsoft azure、google cloud platform等。
8. 安全与隐私保护（security and privacy protection）：随着大数据应用的广泛，数据安全和隐私保护变得尤为重要。加密技术、访问控制、身份验证等手段被广泛应用于大数据系统中，以确保数据的安全和用户的隐私权益。
9. 数据治理（data governance）：数据治理涉及数据的采集、存储、处理、分析和使用等各个环节，确保数据的质量和一致性。数据治理框架如data governance architecture（dga）等，帮助企业建立有效的数据管理体系。
10. 人工智能与自动化（artificial intelligence and automation）：人工智能技术在大数据时代的发展中扮演着重要角色。通过机器学习、自然语言处理等技术，可以实现数据的自动分析和预测，提高大数据的处理效率和准确性。
总之，支撑大数据时代发展的技术涵盖了分布式计算、数据存储、实时处理、数据挖掘与机器学习、可视化、云计算、安全与隐私保护以及数据治理等多个方面。这些技术的不断进步和创新，为大数据的广泛应用奠定了基础，也为未来的大数据发展提供了无限可能。
