计算机计算大型数据主要依赖于以下几种方法和技术：
并行计算
将计算任务分解成多个小任务，同时在多个处理器上执行，从而提高计算速度。现代计算机通常配备多核处理器或GPU，这些硬件可以同时处理大量数据块。例如，使用FineBI等工具可以利用并行计算来加速数据处理过程。
分布式存储
将数据分散存储在多个节点上，提高数据存取速度和系统的容错能力。常见的分布式存储系统包括Hadoop和Spark，它们能够有效管理和存储大规模数据。
先进算法
使用针对大规模数据集的优化算法，如MapReduce、Spark等，这些算法能够在多个节点上分布式地处理数据，提高计算效率。
大数计算
对于超过计算机内置数据类型范围的大整数和高精度浮点数运算，需要采用特殊的数据结构和编程方法来实现。例如，可以使用字符串或数组来表示大整数，并按位进行运算。
硬件优化
计算机的硬件，如CPU、内存、GPU等，都针对大规模数据处理进行了优化，以提高计算速度和效率。
软件工具
使用专门的软件工具，如Excel、Google表格、计算器等，可以方便地进行数据计算和统计分析。
编程语言和库
利用编程语言（如Python、Java等）和相应的库（如NumPy、Pandas等）来编写程序，实现对大型数据的高效处理和分析。
建议
选择合适的工具：根据具体需求选择合适的计算工具，如Excel适用于小规模数据处理，而编程语言和分布式计算框架适用于大规模数据处理。
优化算法和数据结构：在编写程序时，选择合适的算法和数据结构，以充分利用计算机的硬件资源，提高计算效率。
分布式计算：对于极大规模的数据处理，可以考虑使用分布式计算框架，将任务分散到多个节点上并行处理。
通过以上方法和技术，计算机能够高效地处理和分析大型数据。