大数据从百万级别数据的分析角度，数据库如何选择

问题描述：

现在需要做一个数据存储，500w左右的数据，日后每天大约产生5w条左右的数据。想把这些数据存储起来，供日后的数据分析用？使用上面说的三种数据库中的哪中比较好？是否有必要建立集群？

个人看法是：从长远角度看，由于单台机器的性能瓶颈，后期肯定要做集群，单纯的做复制最终也无法缓解单台master上读的负担。因此，使用mysql的话会使用cluser。但是了解到mysql的cluser要用好的化还要做负载均衡，而mysql的均衡器是第三方的，无法很好的与mysql整合。使用mongodb的自动分片集群能很好的解决这个问题，而且它的读写性能也快。Hbase提供了大数据存储的解决方案。

回到我问题，最终是要在大数据的基础上做数据分析，虽然mongodb也能与Mapreduce整合，但想必Hbase做这一块会更有优势。

__________________________________________________

答案：

百万级的数据，无论侧重OLTP还是OLAP，当然就是MySql了。

过亿级的数据，侧重OLTP可以继续Mysql，侧重OLAP，就要分场景考虑了。

实时计算场景：强调实时性，常用于实时性要求较高的地方，可以选择Storm;

批处理计算场景：强调批处理，常用于数据挖掘、分析，可以选择Hadoop;

实时查询场景：强调查询实时响应，常用于把DB里的数据转化索引文件，通过搜索引擎来查询，可以选择solr/elasticsearch;

企业级ODS/EDW/数据集市场景：强调基于关系性数据库的大数据实时分析，常用于业务数据集成，可以选择Greenplum；

数据库系统一般分为两种类型：

• 一种是面向前台应用的，应用比较简单，但是重吞吐和高并发的OLTP类型；
• 一种是重计算的，对大数据集进行统计分析的OLAP类型。

传统数据库侧重交易处理，即OLTP，关注的是多用户的同时的双向操作，在保障即时性的要求下，系统通过内存来处理数据的分配、读写等操作，存在IO瓶颈。

OLTP（On-Line Transaction Processing，联机事务处理）系统也称为生产系统，它是事件驱动的、面向应用的，比如电子商务网站的交易系统就是一个典型的OLTP系统。

OLTP的基本特点是：

• 数据在系统中产生；
• 基于交易的处理系统（Transaction-Based）；
• 每次交易牵涉的数据量很小；
• 对响应时间要求非常高；
• 用户数量非常庞大，主要是操作人员；

数据库的各种操作主要基于索引进行。

分析型数据库是以实时多维分析技术作为基础，即侧重OLAP，对数据进行多角度的模拟和归纳，从而得出数据中所包含的信息和知识。

OLAP（On-Line Analytical Processing，联机分析处理）是基于数据仓库的信息分析处理过程，是数据仓库的用户接口部分。OLAP系统是跨部门的、面向主题的，其基本特点是：

• 本身不产生数据，其基础数据来源于生产系统中的操作数据（OperationalData）；
• 基于查询的分析系统；
• 复杂查询经常使用多表联结、全表扫描等，牵涉的数据量往往十分庞大；
• 响应时间与具体查询有很大关系；
• 用户数量相对较小，其用户主要是业务人员与管理人员；
• CDA数据分析师培训官网