大数据的计算模式主要可以分为四种：批处理（batch processing）、流处理（stream processing）、交互式查询（interactive querying）和实时分析（real-time analytics）。
1. 批处理：这种计算模式主要用于处理大量数据，这些数据通常是在一段时间内积累起来的。在批处理模式下，所有的数据都会被加载到一个内存中进行处理。这种模式适用于那些需要处理大量数据的情况，例如，在金融行业进行数据分析时，需要对大量的交易数据进行处理。
2. 流处理：流处理是一种特殊的批处理，它适用于处理实时或近实时的数据流。在这种模式下，数据会不断地流入系统，而系统会实时地对这些数据进行处理。这种模式适用于需要实时响应的场景，例如，在物联网领域，需要对大量的传感器数据进行实时处理。
3. 交互式查询：这种计算模式适用于需要对数据进行频繁查询的场景。在这种模式下，用户可以对数据进行实时的查询和分析，而不需要等待数据的加载。这种模式适用于需要快速响应用户需求的场景，例如，在电子商务领域，需要对用户的购物行为进行实时的分析和预测。
4. 实时分析：这种计算模式适用于需要对数据进行即时分析的场景。在这种模式下，系统会实时地对数据进行分析，并生成结果。这种模式适用于需要快速决策的场景，例如，在交通管理领域，需要对实时的交通数据进行即时的分析，以优化交通流量。
总的来说，大数据的计算模式主要是根据数据的特性和应用场景来选择的。每种计算模式都有其优缺点，选择合适的计算模式可以帮助我们更有效地处理大数据。
