百科生活 投稿
关于【数据库技术】:数据库技术（大数据数据库技术简介与分类分析），今天小编给您分享一下，如果对您有所帮助别忘了关注本站哦。
- 内容导航：
- 1、数据库技术（大数据数据库技术简介与分类分析）
- 2、Java大数据：大数据开发必须掌握的四种数据库
1、数据库技术（大数据数据库技术简介与分类分析）
数据库技术(大数据数据库技术介绍及分类分析)
大数据生态
传统数据库技术与新数据库技术
从大的角度来看，数据库可以简单地分为两类:
●传统SMP架构数据库主要指传统关系型数据库，如DB2、Postgrel、MySQL等。
●新型数据库主要是指为支持大规模数量集、高并发要求和高可扩展性而诞生的新型数据库。包括当前大数据生态中的主流MPP、NoSQL、NewSQL数据库等
在这里，我还是想推荐一下我自己的大数据学习交流qq裙:957205962。裙子都是大数据开发的。如果您正在学习大数据，小编欢迎您的加入。每个人都是软件开发方。不时分享干货(仅与大数据开发相关)，包括一份2018年最新大数据高级资料和我自己编写的高级开发教程，欢迎想深入大数据的高级和进阶小伙伴。
传统数据库和新数据库的主要区别之一是SMP架构VS分布式/并行
数据库理论基础
理论基础-服务器系统架构
●对称多处理器
SMP是对称多处理器架构的简称，意思是多个CPU对称工作，没有主次关系。每个CPU共享同一个物理内存，每个CPU对内存中的任意地址都有相同的访问路径(访问时间相同)，所以SMP也叫UMA:统一内存访问)。
●NUMA(非统一内存访问)
NUMA是一种不对称的多处理结构，与SMP正好相反。当多个CPU工作时，对内存的访问路径是不同的。针对SMP架构下的多CPU扩展问题，提出了NUMA架构。
●大规模并行处理
与NUMA不同，MPP提供了另一种扩展系统的方式。它是一个从用户角度出发的服务器系统，由多个SMP服务器通过一定的节点互联网络连接起来，协同工作完成相同的任务。
SMP和NUMA都主要指向一个单一的计算机系统，而MPP则有些集群化
理论基础——ACID基础理论
低原子性(原子性)
整个事务要么成功，要么失败，避免了部分成功
低一致性(一致)
事务不会改变数据库中数据的一致性。例如，如果a+b=10被完全约束，并且事务改变了A，那么B也应该相应地改变
低独立性(相关)
也称为隔离，它意味着两个以上的事务不会交错，因为不可能导致数据不一致
耐用性低(耐用)
交易成功执行后，公司对数据库所做的更改将永久存储在数据库中，不会无故回滚
传统的基于关系模型的数据库遵循ACID的基本理论，而新的分布式数据库并不完全遵循这一理论
理论基础——分布式CAP理论
低一致性(一致)
也就是数据的一致性，也就是把的数据复制到N台机器上。如果有更新，N台机器的数据要一起更新
低可用性(可用性)
当集群中的一些节点无法写博客后，整个集群也可以响应客户端的读写请求
低分区容错(容差)
分区不会影响整个系统的运行
在这里，我还是想推荐一下我自己的大数据学习交流qq裙:957205962。裙子都是大数据开发的。如果您正在学习大数据，小编欢迎您的加入。每个人都是软件开发方。时不时分享干货(仅与大数据开发相关)，宝博客收录了2018年最新大数据高级资料和高级开发教程，欢迎想要深入大数据的高级和进阶合作伙伴。
基于传统关系模型的数据库更注重CA，而新NoSQL数据库更注重CP和AP
2、Java大数据：大数据开发必须掌握的四种数据库
大数据的典型特征，包括数据量大、数据类型多、价值密度低等，而具备这样特征的数据，在进入到存储阶段时，就需要根据数据类型及场景，来匹配适当的数据存储解决方案。今天我们来讲讲Java大数据开发当中，必须掌握的四种数据库。
大数据时代的数据，我们可以大致分为结构化数据和非结构化数据。其中，结构化数据，主要是依靠传统的关系型数据库去存储，比如说Oracle、MySQL、PostgreSQL等，都是关系型数据库的代表。
而比结构化数据，更加庞大的非结构化数据（其中也包括半结构化数据），则主要依靠非关系型数据库来完成存储。对于大数据开发者而言，非关系型数据库（NoSQL）也有不同的类型，需要匹配不同的场景需求来进行选择。
MongoDB
MongoDB。可以说是大数据时代的数据库代表作了。MongoDB最大的特点是表结构灵活可变，字段类型可以随时修改。MongoDB中的每一行数据只是简单的被转化成Json格式后存储，没有表结构的限制。
没有表结构这一点，对于MongoDB来说，带来了优势，当然也存在一定的缺陷，比如说在多表查询、复杂事务等高级操作上，MongoDB就显得不够优秀了。
得益于MongoDB的这些特点，MongoDB很适合那些表结构经常改变，数据的逻辑结构又没那么复杂不需要多表查询操作，数据量又比较大的应用场景。
Redis
Redis是现在最热门的key-value数据库。Redis的最大特点当然就是key-value存储所带来的简单和高性能了。
所谓key-value存储，就是每一条记录只包含一个用于查询数据的Key，以及与之对应的存储数据的value，就如同现实生活中的门牌号与住户，而没有诸如表、字段这些常规数据库中必需有的复杂概念，所有的查询都仅仅依赖于key值。
得益于这种简单的结构，再加上Redis会把所有数据加载到内存中的，Redis相比常规数据库的读写性能得到了极大的提升。并且，Redis还支持数据持久化，list、set等多种数据结构，主从复制备份等功能，堪称简单易用。
同样地，因为数据结构的简单，Redis对复杂查询的支持也有限，不能支持多列查询、区段查询等。总的来说，Redis更适用于读写性能要求极高，且数据表结构简单、查询条件也同样简单的应用场景。
ElasticSearch
ElasticSearch，严格来说，其实不算是数据库，而是搜索引擎，这个产品本身也是围绕搜索来设计的。
ES的典型优势就是，支持全文搜索，在对中文的支持上也比较友好（单是中文分词器就有很多种）。ES通过建立倒排索引实现全文搜索，以实现对存入ES中的所有数据进行快速检索，就算是非常复杂的聚合查询也可以得到不错的性能。
当然，ES也同样有不足，最明显的就是字段类型无法修改、写入性能较低和高硬件资源消耗。这就注定了ES不适用于数据价值不高、对写入性能有要求、数据量大而成本受限的场景下。
Hbase
HBase作为Hadoop生态当中的重要组件，说是大数据必学，相信没有人会反对。HBase最大的优点，就是对海量数据的支持，以及极强的横向（存储容量）扩展能力。
Hbase的存储和Redis类似，为每一行数据定义一个key，之后所有的查询都依赖这个key进行。但是Hbase的不同在于，一行数据还可以有非常多的列项，数据会按照列进行分组和存储，同一列的数据存储在同一个地方。
HBase的列式存储特性带来了海量数据规模的支持和极强的扩展能力，但是也给数据的读取带来很大的局限。由于只有同一列族的数据才会被存放在一起，而且所有的查询都必须要依赖Key，这就使得很多复杂查询难以进行。
简单来说，HBase适合数据量极大，查询条件简单，列与列之间联系不大的轻查询应用场景。
小结一下：
以上四种，可以说是大数据开发必须掌握的四款数据库，能够满足绝大多数场景下的数据存储需求，不同的数据库适用于不同的场景，如何去选择就要考察开发者的选型能力了。
本文关键词：数据库技术的发展分为哪几个阶段，数据库技术是在什么基础上发展起来的，数据库技术三级考试难吗，数据库技术与应用学什么，数据库技术。这就是关于《数据库技术，数据库技术与应用难不难（大数据开发必须掌握的四种数据库）》的所有内容，希望对您能有所帮助！
- 最近发表