Este documento identifica cuatro conceptos erróneos comunes sobre la escalabilidad de la computación voluntaria en problemas de big data. Los conceptos erróneos son luego aclarados mediante el análisis de la relación entre la escalabilidad y los factores de impacto, incluido el tamaño del problema de big data, la heterogeneidad y dinámica de los voluntarios, y la estructura de superposición. Este documento propone estrategias de optimización para encontrar la superposición óptima para el problema de big data dado. Este documento forma múltiples superposiciones para optimizar el rendimiento de pasos individuales en términos del paradigma MapReduce. La optimización busca lograr el máximo rendimiento general utilizando el mínimo número de voluntarios, sin sobrecargar los recursos. Este documento ha demostrado que las simulaciones sobre los factores en cuestión pueden encontrar rápidamente los puntos de optimización. Se concluye que siempre dar la bienvenida a más voluntarios es un uso excesivo de los recursos disponibles porque no siempre aportan beneficios al rendimiento general. Encontrar el uso óptimo de los voluntarios es posible para los problemas de big data dados, incluso en la dinámica y oportunismo de los voluntarios.