大數據時代:五大商業分析技術趨勢

大數據時代:五大商業分析技術趨勢

和布克賽爾蒙古網站建設公司創新互聯,和布克賽爾蒙古網站設計制作，有大型網站制作公司豐富經驗。已為和布克賽爾蒙古上1000+提供企業網站建設服務。企業網站搭建\外貿網站制作要多少錢，請找那個售后服務好的和布克賽爾蒙古做網站的公司定做！

目前，趨勢中心對如何應對分析挑戰的關注力度并不亞于他們考慮在新商業視角中如何充分利用機遇的力度。例如，隨著越來越多的公司開始不得不面對海量數據以及 考慮如何利用這些數據，管理與分析大型不同數據集的技術開始出現。提前分析成本與性能趨勢意味著公司能夠提出比以前更為復雜的問題，提供更為有用的信息以 幫助他們運營業務。

在采訪中，首席信息官們總結出了5大影響他們進行分析的IT趨勢。它們分別為：大數據的增長、快速處理技術、IT商品的成本下降、移動設備的普及和社交媒體的增長。

1.大數據

大數據指非常龐大的數據集，尤其是那些沒有被整齊的組織起來無法適應傳統數據倉庫的數據集。網絡蜘蛛數據、社交媒體反饋和服務器日志，以及來自供應鏈、行業、周邊環境與監視傳感器的數據都使得公司的數據變得比以往越來越復雜。

盡管并不是每個公司都需要處理大型、非結構型數據集的技術。VeriskAnalytics公司首席信息官PerryRotella認為所有的首席信息 官都應當關注大數據分析工具。Verisk幫助金融公司評估風險，與保險公司共同防范保險詐騙，其在2010年的營收超過了10億美元。

Rotella認為，技術領導者對此應當采取的態度是，數據越多越好，歡迎數據的大幅增長。Rotella的工作是預先尋找事物間的聯系與模型。

HMS公司首席信息官CynthiaNustad認為，大數據呈現為一種“爆炸性”增長趨勢。HMS公司的業務包括幫助控制聯邦醫療保險 （Medicare）和醫療補助（Medicaid）項目成本和私有云服務。其客戶包括40多個州的健康與人類服務項目和130多個醫療補助管理計劃。 HMS通過阻止錯誤支付在2010年幫助其客戶挽回了18億美元的損失，節約了數十億美元。Nustad稱：“我們正在收集并追蹤大量素材，包括結構性與 非結構性數據，因為你并不是總是知道你將在其中尋找什么東西。”

大數據技術中談論最多的一項技術是Hadoop。該技術為開源分布式數據處理平臺，最初是為編輯網絡搜索索引等任務開發的。Hadoop為多個“非關系型（NoSQL）”技術（其包括CouchDB和MongoDB）中的一種，其通過特殊的方式組織網絡級數據。

Hadoop可將數據的子集合分配給成百上千臺服務器的處理，每臺服務器匯報的結果都將被一個主作業調度程序整理，因此其具有處理拍字節級數據的能力。 Hadoop既能夠用于分析前的數據準備，也能夠作為一種分析工具。沒有數千臺空閑服務器的公司可以從亞馬遜等云廠商那里購買Hadoop實例的按需訪 問。

Nustad稱，盡管并不是為了其大型的聯邦醫療保險和醫療補助索賠數據庫，但是HMS正在探索NoSQL技術的使用。其包括了結構性數據，并且能夠被 傳統的數據倉庫技術所處理。她稱，在回答什么樣的關系型技術是經實踐證明最好用的解決方案時，從傳統關系型數據庫管理出發是并不明智。不過，Nustad 認為Hadoop正在防止欺詐與浪費分析上發揮著重要作用，并且具備分析以各種格式上報的病人看病記錄的潛力。

在采訪中，那些體驗過Hadoop的受訪首席信息官們，包括Rotella和Shopzilla公司首席信息官JodyMulkey在內都在將數據服務作為公司一項業務的公司中任職。

Mulkey稱：“我們正在使用Hadoop做那些以往使用數據倉庫做的事情。更重要的是，我們獲得了以前從未用過的切實有用的分析技術。”例如，作為 一家比較購買網站，Shopzilla每天會積累數太字節的數據。他稱：“以前，我們必須要對數據進行采樣并對數據進行歸類。在處理海量數據時，這一工作 量非常繁重。”自從采用了Hadoop，Shopzilla能夠分析原始數據，跳過許多中間環節。

GoodSamaritan醫院是一家位于印第安納州西南的社區醫院，其處于另一種類型。該醫院的首席信息官ChuckChristian稱：“我們并 沒有我認為是大數據的東西。”盡管如此，管理規定要求促使其存儲整如龐大的電子醫療記錄等全新的數據類型。他稱，這無疑要求他們要能夠從數據中收集醫療保 健品質信息。不過，這可能將在地區或國家醫療保健協會中實現，而不是在他們這種單個醫院中實現。因此，Christian未必會對這種新技術進行投資。

IslandOneResorts公司首席信息官JohnTernent稱，其所面臨的分析挑戰取決于大數據中的“大”還是“數據”。不過，目前他正在 謹慎地考慮在云上使用Hadoop實例，以作為一種經濟的方式分析復雜的抵押貸款組合。目前公司正在管理著佛羅里達州內的8處分時度假村。他稱：“這種解 決方案有可能解決我們目前正遇到的實際問題。”

2.商業分析速度加快

肯塔基大學首席信息官VinceKellen認為，大數據技術只是快速分析這一大趨勢中的一個元素。他稱：“我們期待的是一種更為先進的海量數據分析方法。”與更為快速地分析數據相比，數據的大小并不重要，“因為你想讓這一過程快速完成”。

由于目前的計算能夠在內存中處理更多的數據，因此與在硬盤中搜索數據相比，其計算出結果的速度要更快。即使你僅處理數G數據，但情況依然與此。

盡管經過數十年的發展，通過緩存頻繁訪問的數據，數據庫性能提升了許多。在加載整個大型數據集至服務器或服務器集群的內存時，這一技術變得更加實用，此時硬盤只是作為備份。由于從旋轉的磁盤中檢索數據是一個機械過程，因此與在內存中處理數據相比，其速度要慢許多。

Rotella稱，他現在幾秒中進行的分析在五年前需要花上一個晚上。Rotella的公司主要是對大型數據集進行前瞻性分析，這經常涉及查詢、尋找模 型、下次查詢前的調整。在分析速度方面，查詢完成時間非常重要。他稱：“以前，運行時間比建模時間要長，但是現在建模時間要比運行時間長。”

列式數據庫服務器改變了關系型數據庫的傳統行與列結構，解決了另一些性能需求。查詢僅訪問有用的列，而不是讀取整個記錄和選取可選列，這極大地提高了組織或測量關鍵列的應用的性能。

Ternent警告稱，列式數據庫的性能優勢需要配合正確的應用和查詢設計。他稱：“為了進行區別，你必須以適當的方式問它適當的問題。”此此同時，他 還指出，列式數據庫實際上僅對處理超過500G字節數據的應用有意義。他稱：“在讓列式數據庫發揮作用之前，你必須收集一規模的數據，因為它依賴一定水平 的重復提升效率。”

保險與金融服務巨頭JohnHancock公司的首席信息官AllanHackney稱，為了提高分析性能，硬件也需要進行提升，如增加GPU芯片，其 與游戲系統中用到的圖形處理器相同。他稱：“可視化需用到的計算方法與統計分析中用到的計算方法非常相似。與普通的PC和服務器處理器相比，圖形處理器的 計算速度要快數百倍。我們的分析人員非常喜歡這一設備。”

3.技術成本下降

隨著計算能力的增長，分析技術開始從內存與存儲價格的下降中獲益。同時，隨著開源軟件逐漸成為商業產品的備選產品，競爭壓力也導致商業產品價格進一步下降。

Ternent為開源軟件的支持者。在加入IslandOne公司之前，Ternent為開源商業智能公司Pentaho的工程副總裁。他稱：“對于我來說，開源決定著涉足領域。因為像IslandOne這樣的中等規模公司能夠用開源應用R替代SAS進行統計分析。”

以前開源工具僅擁有基本的報告功能，但是現在它們能夠提供最為先進的預測分析。他稱：“目前開源參與者能夠橫跨整個連續統一體，這意味著任何人都能夠使用它們。”

HMS公司的Nustad認為，計算成本的變化正在改變著一些基礎性架構的選擇。例如，創建數據倉庫的一個傳統因素是讓數據一起進入擁有強大計算能力的 服務器中以處理它們。當計算能力不足時，從操作系統中分離分析工作負載可以避免日常工作負載的性能出現下降。Nustad稱，目前這已經不再是一個合適的 選擇了。

她稱：“隨著硬件與存儲越來越便宜，你能夠讓這些操作系統處理一個商業智能層。”通過重定數據格式和將數據裝載至倉庫中，直接建立在操作應用上的分析能夠更為迅速地提供答案。

Hackney觀察認為，盡管性價比趨勢有利于管理成本，但是這些潛在的節約優勢將被日益增長的能力需求所抵消。盡管JohnHancock每臺設備的存儲成本在今年下降了2至3%，但是消耗卻增長了20%。

4.移動設備的普及

與所有的應用一樣，商業智能正日益移動化。對于Nustad來說，移動商業智能具有優先權，因為每個人都希望Nustad能夠隨時隨地親自訪問關于她的 公司是否達到了服務級協議的報告。她還希望為公司的客戶提供數據的移動訪問，幫助客戶監控和管理醫療保健開銷。她稱：“這是一個客戶非常喜歡的功能。在五 年前，客戶不需要這一功能，但是現在他們需要這一功能了。”

對于首席信息官來說，要迎合這一趨勢更多的是為智能手機、平板電腦和觸摸屏設備創建適用的用戶界面，而不是更為復雜的分析能力。或許是出于這方面的原因，Kellen認為這相對容易。他稱：“對于我來說，這只是小事情。”

Rotella并不認為這很簡單。他稱：“移動計算影響著每一個人。許多人開始使用iPad工作，同時其它的移動設備正在呈現爆炸式增長。這一趨勢正在 加速并改變我們與公司內部計算資源交互的方式。”例如，Verisk已經開發了能夠讓理賠人在現場快速進行分析的產品，因此他們能夠進行重置成本評估。他 稱：“這種方式對我們的分析產生了影響，同時也讓每一個需要它的人隨手就能使用。”

Rotella稱：“引發這種挑戰的因素在于技術的更新速度。兩年前，我們沒有iPad，而現在許多人都在使用iPad。隨著多種操作系統的出現，我們正力爭搞清楚其是如何影響我們的研發的，這樣一來我們就不必一而再、再而三的編寫這些應用。”

IslandOne的Ternent指出，另一方面，為每一種移動平臺創建原生應用的需求可能正在消退，因為目前手機和平板電腦上的瀏覽器擁有了更為強 大的功能。Ternent稱：“如果我能夠使用一款專門針對移動設備的基于web的應用，那么我并不能肯定我將會對定制的移動設備應用進行投資。”

5.社交媒體的加入

隨著臉譜、推特等社交媒體的興起，越來越多的公司希望分析這些由網站產生的數據。新推出的分析應用支持人類語言處理、情感分析和網絡分析等統計技術，這些并不是典型商業智能工具套件的組成部分。

由于它們都是新的，許多社交媒體分析工具可以作用服務獲得。其中一個典型范例是Radian6。Radian6為軟件即服務（SaaS）產品，近期已經 被Salesforce.com所收購。Radian6是一種社交媒體儀表盤，為TwITter的留言、臉譜上的帖子、博客與討論版上的帖子與評論中提及 的特定術語以正負數顯示，尤其是為商標名提供生動的直觀推斷。當營銷與客戶服務部門購買后，這類工具不再對IT部門有很嚴重的依賴性。目前，肯塔基大學的 Kellen仍然相信他需要對它們高度關注。他稱：“我的工作是識別這些技術，根據競爭力評估哪些算法適合公司，然后開始培訓合適的人員。”

與其他公司一樣，大學也對監督他們大學的聲譽十分感興趣。與此同時，Kellen表示，他可能還將尋找機會以開發專門用于解決學校所關注問題的應用，如 監督學生入學率等問題。例如，監控學生在社交媒體上的帖子能夠有幫于學校與管理人員盡早了解學生在大學里遇到的麻煩。Kellen稱，目前戴爾已經做了這 些工作，其產品支持公司探測人們關于故障筆記本電腦的推文。他稱，IT開發人員還應當尋找一些辦法將社交媒體分析得出的報警信息推送至應用中，以便于公司 對相關事件快速做出反應。

Hackney稱：“我們沒有訣竅，也沒有工具處理和挖掘海量社交媒體帖子的價值。不過，一旦你收集了數據，你需要有能力獲取公司事件的充足信息，以將 它們關聯起來。”雖然Hackney稱JohnHancock在這一領域內的努力還處于“起步階段”，但是他認為IT部門將在公司數據的社交分析服務所提 供的數據關聯中發揮重要作用。例如，如果社交媒體數據顯示公司在中西部地區的社會評論越來越負面，那么他將希望看一下如果公司在該地區就價格或策略進行調 整是否會扭轉這一負面發展趨勢。

Hackney稱，發現這類關聯的意義在于讓公司領導相信對社交媒體的投資具有高回報。他稱：“在我所從事的行業中，每個人都是精算師，每個人都在計算，他們不會將任何東西建立在想當然之上。”

以上是小編為大家分享的關于大數據時代:五大商業分析技術趨勢的相關內容，更多信息可以關注環球青藤分享更多干貨

10億級流數據交互查詢，為什么拋棄mysql選擇voltdb

10億級流數據交互查詢，為什么拋棄mysql選擇voltdb

作者 譚正海、武毅 發布于 2016年8月18日 | 被首富的“一個億”刷屏？不如定個小目標，先把握住QCon上海的優惠吧！討論

分享到：微博微信FacebookTwitter有道云筆記郵件分享

稍后閱讀

我的閱讀清單

大數據時代，隨著數據量的爆炸式增長，對于數據的處理速度要求也越來越高，以往基于MySQL的數據處理方案已無法滿足大吞吐、低延遲的寫入和高速查詢的場景；百分點總結出了一套完整的解決方案，本文就帶你一同了解VoltDB在流數據交互查詢的應用實踐。

流式數據交互查詢場景

在百分點，每天有10億條記錄產生，針對這些大量實時產生的數據，不僅要做到實時寫入，類似推薦調優、數據驗證等查詢要在秒級響應。有簡單的單條驗證，也有幾個小時或一天的聚合計算，也有基于幾千萬/幾億數據表間的聯合聚合查詢。例如如下SQL查詢：

對于前期的MySQL方案，雖然已經根據一定規則做了人工的分庫，但是對于上面SQL中的表Event落在單機上的數據量達到幾千萬，Result表也近千萬，在這樣的大表之間進行復雜的聯合聚合查詢，MySQL查下來要花費30分鐘左右，甚至更長，或是沒響應了。

因此在針對同時要求大吞吐、低延遲的寫入和高速查詢的場景下，基于MySQL的現存方案完全無法實現。在不放棄SQL語句的便利基礎上，經歷過多種選型和方案調研，最終選擇了VoltDB來解決此類問題。

相關廠商內容

攜程的推薦及智能化算法及架構體系實踐

Autodesk基于Spark自建大數據平臺的實踐經驗

大數據與電商四大核心要素

阿里巴巴數據研發體系的建立和管理之道

蘇寧云商數據平臺實時化實踐

相關贊助商

QCon上海2016，10月20~22日，上海·寶華萬豪酒店，精彩內容搶先看！！

如上圖，線上的全量流量，通過Streaming總線同時到達VoltDB和離線Hive表。不同的是，數據寫入VoltDB使用實時方式，寫入Hive使用批量方式。新的數據要求在極短的延遲內馬上寫入VoltDB待查詢；批量寫入Hive的數據也可以做到小時級以內刷寫到對應分區。

VoltDB簡介

VoltDB是一種開源的極速的內存關系型數據庫，由Ingres和Postgres聯合創始人Mike Stonebraker帶領開發的NewSQL，提供社區版本和商業版本。VoltDB采用shard-nothing架構，既獲得了NoSQL的良好可擴展性以及高吞吐量數據處理，又沒有放棄傳統關系型數據庫的事務支持---ACID。

一般VoltDB數據庫集群由大量的站點(分區)組成，分散在多臺機器上，數據的存儲與處理都是分布在各個站點的，架構圖如下所示：

如上圖，集群有3個節點、每個節點1個站點構成。因此圖中的表都只分成3個區，當然也可以分成更多的區，那么一張表在單個節點上則存在多個分區。

具體在使用上涉及以下幾個概念：

客戶端可以連接集群中任意一個節點，集群中所有節點是對等的，采用的也是水平分區的方式；

每張表指定一個字段作為分區鍵，VoltDB使用該鍵采用哈希算法方式分布表數據到各個分區。事實上VoltDB中存在兩種類型的表，一種是分區表，還有一種叫做”Replicated table”。”Replicated表”在每個節點存儲的不是某張表的部分數據，而是全部數據，適用于小數據量的表。

這里我們主要看重分區表，分區表的分區字段的選擇很重要，應該盡量選擇使數據分散均勻的字段。

VoltDB支持的客戶端語言或接口：

C++

C#

Erlang

Go

Java

Python

Node.js

JDBC 驅動接口

HTTPJSON 接口 (這意味著所有能實現http請求語言，都能編寫VoltDB的客戶端程序，且非常直觀)

為什么不用NoSQL

當為大家描述我們的整體服務架構時，最常見的兩個問題是：

為什么采用結構化方式將數據存儲在SQL數據庫中，而不使用NoSQL平臺？

為什么自己維護數據中心，而不將Evernote托管到云服務提供商？

這兩個問題都很有趣，我們先來探討第一個。

對特定的應用而言，相比一個單一的SQL實例，一個現代的鍵值存儲引擎具備顯著的性能優勢和可擴展性。

CREATE TABLE notebooks ( id int UNSIGNED NOT NULL PRIMARY KEY, guid binary(16) NOT NULL, user_id int UNSIGNED NOT NULL, name varchar(100) COLLATE utf8_bin NOT NULL, ... ) ENGINE=InnoDB DEFAULT CHARSET=utf8; CREATE TABLE notes ( id int UNSIGNED NOT NULL PRIMARY KEY, guid binary(16) NOT NULL, user_id int UNSIGNED NOT NULL, notebook_id int UNSIGNED NOT NULL, title varchar(255) NOT NULL, ... FOREIGN KEY (notebook_id) REFERENCES notebooks(id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

如果你在Windows客戶端上創建了一個名為“Cooking”的記事本，并立即在其中粘貼了一個名為“Quick Tomato Sauce”的食譜，客戶端會立刻進行如下同步：

調用NoteStore.createNotebook() 請求服務器創建記事本，并返回以創建記事本的GUID。

通過指定記事本的GUID，調用NoteStore.createNote()在記事本中創建筆記。

每次API調用都通過SQL事物予以實現，可以讓客戶端完全信任服務器的任何提示。ACID兼容的數據庫可以做到這些：

原子性（Atomicity）：如果API調用成功，那么所有的改動都會保存；如果API調用失敗，所有的改動都不會提交。

一致性（Consistency）： 在API調用完成后，所有的賬戶都可用，并能保證內部狀態的一致性。每篇筆記都與記事本相關聯，以避免出現孤立項。數據庫不允許刪除關聯有記事的記事本，這得感謝FOREIGN KEY約束。

持久性（Durability）：當服務器發送記事本已創建完畢的回執后，客戶端會認為它的存在具有持久性，以便進行后續的操作。變更的持久性，可以讓客戶端知道在任何時刻對服務狀態的影響都能保持一致性。

對我們的同步協議而言，持久性最為重要。如果客戶端不能確定服務器端的變更具有持久性，那么協議將會變得復雜而低效。

“大數據”問題

得益于事務處理的數據庫的ACID屬性，同樣使得數據集非常難以擴展，以超出單臺服務器的范圍。數據庫集群和多主復制技術并不理想，鍵值存儲為實現可擴展性提供了一條捷徑。

所幸，Evernote暫時不需要考慮這個問題。即便是我們有近10億的筆記，和近20億的資源文件，這也并不能稱得上是一個大數據集。通過按用戶分區，它被劃分成了2千萬個獨立的數據集。

我們尚未遇到所謂“大數據”引發的問題，倒是遇到了許多“中數據”的存儲問題，這就是通過規整分區形成的分片存儲架構。

也許以后……

我們對新的存儲系統非常感興趣，非常樂意應用在哪些對ACID要求不強，但確實需要橫向擴展的新項目中。例如，我們的報告分析系統已經逐漸超出了MySQL平臺的承受力，需要被更快、更先進的系統所取代。

我們現在對以Evernote用戶元數據為基礎的MySQL分片存儲頗為滿意，盡管這不會引起那些IT弄潮兒的興趣。

為什么使用nosql

因為速度快。你上億級數據的情況下NOSQL是比普通SQL效率更高，哪怕有索引。畢竟NOSQL的存儲空間使用是普通SQL三倍多。基本都用在索引方面了。

如果是全文搜索關鍵字，左右模糊等就更甩SQL幾條街了

MySQL與PostgreSQL比較 哪個數據庫更好

如果打算為項目選擇一款免費、開源的數據庫，那么你可能會在MySQL與PostgreSQL之間猶豫不定。MySQL與PostgreSQL都是免費、開源、強大、且功能豐富的數據庫。你主要的問題可能是：哪一個才是最好的開源數據庫，MySQL還是PostgreSQL呢？該選擇哪一個開源數據庫呢？

在選擇數據庫時，你所做的是個長期的決策，因為后面如果再改變決定將是非常困難且代價高昂的。你希望一開始就選擇正確。兩個流行的開源數據庫MySQL與PostgreSQL常常成為最后要選擇的產品。對這兩個開源數據庫的高層次概覽將會有助于你選擇最適合自己需要的。

MySQL

MySQL相對來說比較年輕，首度出現在1994年。它聲稱自己是最流行的開源數據庫。MySQL就是LAMP（用于Web開發的軟件包，包括 Linux、Apache及Perl/PHP/Python）中的M。構建在LAMP棧之上的大多數應用都會使用MySQL，包括那些知名的應用，如 WordPress、Drupal、Zend及phpBB等。

一開始，MySQL的設計目標是成為一個快速的Web服務器后端，使用快速的索引序列訪問方法（ISAM），不支持ACID。經過早期快速的發展之 后，MySQL開始支持更多的存儲引擎，并通過InnoDB引擎實現了ACID。MySQL還支持其他存儲引擎，提供了臨時表的功能（使用MEMORY存 儲引擎），通過MyISAM引擎實現了高速讀的數據庫，此外還有其他的核心存儲引擎與第三方引擎。

MySQL的文檔非常豐富，有很多質量不錯的免費參考手冊、圖書與在線文檔，還有來自于Oracle和第三方廠商的培訓與支持。

MySQL近幾年經歷了所有權的變更和一些頗具戲劇性的事件。它最初是由MySQL AB開發的，然后在2008年以10億美金的價格賣給了Sun公司，Sun公司又在2010年被Oracle收購。Oracle支持MySQL的多個版 本：Standard、Enterprise、Classic、Cluster、Embedded與Community。其中有一些是免費下載的，另外一 些則是收費的。其核心代碼基于GPL許可，對于那些不想使用GPL許可的開發者與廠商來說還有商業許可可供使用。

現在，基于最初的MySQL代碼還有更多的數據庫可供選擇，因為幾個核心的MySQL開發者已經發布了MySQL分支。最初的MySQL創建者之一 Michael "Monty" Widenius貌似后悔將MySQL賣給了Sun公司，于是又開發了他自己的MySQL分支MariaDB，它是免費的，基于GPL許可。知名的 MySQL開發者Brian Aker所創建的分支Drizzle對其進行了大量的改寫，特別針對多CPU、云、網絡應用與高并發進行了優化。

PostgreSQL

PostgreSQL標榜自己是世界上最先進的開源數據庫。PostgreSQL的一些粉絲說它能與Oracle相媲美，而且沒有那么昂貴的價格和傲慢的客服。它擁有很長的歷史，最初是1985年在加利福尼亞大學伯克利分校開發的，作為Ingres數據庫的后繼。

PostgreSQL是完全由社區驅動的開源項目，由全世界超過1000名貢獻者所維護。它提供了單個完整功能的版本，而不像MySQL那樣提供了 多個不同的社區版、商業版與企業版。PostgreSQL基于自由的BSD/MIT許可，組織可以使用、復制、修改和重新分發代碼，只需要提供一個版權聲 明即可。

可靠性是PostgreSQL的最高優先級。它以堅如磐石的品質和良好的工程化而聞名，支持高事務、任務關鍵型應用。PostgreSQL的文檔非 常精良，提供了大量免費的在線手冊，還針對舊版本提供了歸檔的參考手冊。PostgreSQL的社區支持是非常棒的，還有來自于獨立廠商的商業支持。

數據一致性與完整性也是PostgreSQL的高優先級特性。PostgreSQL是完全支持ACID特性的，它對于數據庫訪問提供了強大的安全性 保證，充分利用了企業安全工具，如Kerberos與OpenSSL等。你可以定義自己的檢查，根據自己的業務規則確保數據質量。在眾多的管理特性 中，point-in-time recovery（PITR）是非常棒的特性，這是個靈活的高可用特性，提供了諸如針對失敗恢復創建熱備份以及快照與恢復的能力。但這并不是 PostgreSQL的全部，項目還提供了幾個方法來管理PostgreSQL以實現高可用、負載均衡與復制等，這樣你就可以使用適合自己特定需求的功能 了。

平臺

MySQL與PostgreSQL都出現在一些高流量的Web站點上：

MySQL：Slashdot、Twitter、Facebook與Wikipedia

PostgreSQL：Yahoo使用了一個修改的PostgreSQL數據庫來處理每天數以億計的事件，還有Reddit和Disqus

MySQL與PostgreSQL都能運行在多個操作系統上，如Linux、Unix、Mac OS X與Windows。他們都是開源、免費的，因此測試他們時的唯一代價就是你的時間與硬件。他們都很靈活且具有可伸縮性，可用在小型系統和大型分布式系統 上。MySQL在一個領域上要比PostgreSQL更進一步，那就是它的觸角延伸到了嵌入式領域，這是通過libmysqld實現的。 PostgreSQL不支持嵌入式應用，依然堅守在傳統的客戶端/服務器架構上。

MySQL通常被認為是針對網站與應用的快速數據庫后端，能夠進行快速的讀取和大量的查詢操作，不過在復雜特性與數據完整性檢查方面不太盡如人意。 PostgreSQL是針對事務型企業應用的嚴肅、功能完善的數據庫，支持強ACID特性和很多數據完整性檢查。他們二者都在某些任務上具有很快的速 度，MySQL不同存儲引擎的行為有較大差別。MyISAM引擎是最快的，因為它只執行很少的數據完整性檢查，適合于后端讀操作較多的站點，不過對于包含 敏感數據的讀/寫數據庫來說就是個災難了，因為MyISAM表最終可能會損壞。MySQL提供了修復MySQL表的工具，不過對于敏感數據來說，支持 ACID特性的InnoDB則是個更好的選擇。

與之相反，PostgreSQL則是個只有單一存儲引擎的完全集成的數據庫。你可以通過調整postgresql.conf文件的參數來改進性能，也可以調整查詢與事務。PostgreSQL文檔對于性能調優提供了非常詳盡的介紹。

MySQL與PostgreSQL都是高可配置的，并且可以針對不同的任務進行相應的優化。他們都支持通過擴展來添加額外的功能。

一個常見的誤解就是MySQL要比PostgreSQL更容易學習。關系數據庫系統都是非常復雜的，這兩個數據庫的學習曲線其實是差不多的。

標準兼容性

PostgreSQL旨在實現SQL兼容性（當前標準是ANSI-SQL:2008）。MySQL則兼容大部分SQL，不過還有自己的擴展，可以支 持NoSQL特性，這在參考手冊中都有介紹。每種方式都有優缺點。兼容標準會讓數據庫管理員、數據庫開發者與應用開發者更舒服一些，因為這意味著他們只需 學習一套標準、一套特性和命令即可。這會節省時間，提升效率，也不會被鎖定在特定的廠商上。

支持使用非標準的自定義功能的人們認為這樣可以快速采用新的特性，而不必等待標準進程完成。ANSI/ISO標準在不斷演化，因此標準兼容性也是個 變化的目標：知名的關系型數據庫Microsoft SQL Server、Oracle與IBM DB2也只是部分兼容于標準。

結論

雖然有不同的歷史、引擎與工具，不過并沒有明確的參考能夠表明這兩個數據庫哪一個能夠適用于所有情況。很多組織喜歡使用PostgreSQL，因為 它的可靠性好，在保護數據方面很擅長，而且是個社區項目，不會陷入廠商的牢籠之中。MySQL更加靈活，提供了更多選項來針對不同的任務進行裁剪。很多時 候，對于一個組織來說，對某個軟件使用的熟練程度要比特性上的原因更重要。

一、NoSQL數據庫簡介

Web1.0的時代，數據訪問量很有限，用一夫當關的高性能的單點服務器可以解決大部分問題。

隨著Web2.0的時代的到來，用戶訪問量大幅度提升，同時產生了大量的用戶數據。加上后來的智能移動設備的普及，所有的互聯網平臺都面臨了巨大的性能挑戰。

NoSQL(NoSQL = Not Only SQL )，意即“不僅僅是SQL”，泛指非關系型的數據庫。

NoSQL 不依賴業務邏輯方式存儲，而以簡單的key-value模式存儲。因此大大的增加了數據庫的擴展能力。

Memcache Memcache Redis Redis MongoDB MongoDB 列式數據庫 列式數據庫 Hbase Hbase

HBase是Hadoop項目中的數據庫。它用于需要對大量的數據進行隨機、實時的讀寫操作的場景中。

HBase的目標就是處理數據量非常龐大的表，可以用普通的計算機處理超過10億行數據，還可處理有數百萬列元素的數據表。

Cassandra Cassandra

Apache Cassandra是一款免費的開源NoSQL數據庫，其設計目的在于管理由大量商用服務器構建起來的龐大集群上的海量數據集(數據量通常達到PB級別)。在眾多顯著特性當中，Cassandra最為卓越的長處是對寫入及讀取操作進行規模調整，而且其不強調主集群的設計思路能夠以相對直觀的方式簡化各集群的創建與擴展流程。

主要應用：社會關系，公共交通網絡，地圖及網絡拓譜(n*(n-1)/2)

分享文章：nosql10億,國產nosql數據庫
文章分享：http://www.yijiale78.com/article12/dsihhgc.html

成都網站建設公司_創新互聯，為您提供用戶體驗、營銷型網站建設、域名注冊、軟件開發、小程序開發、網站建設

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯