海量数据的设计 第一课--大数据时代（笔记）

大数据时代的来临，给传统的关系型数据库带来了巨大的冲击，每天我们都在产生着庞大的数据。许多购物网站和通信公司存储着我们详细的个人信息和消费记录的等数据；而且这些数据还在以惊人的速度增长着。

互联网的飞速发展是大数据的始作俑者。在互联网的一开始即PC Era，雅虎提供的静态导航信息，紧接着便是Web1.0，代表性的便是Google分析用户搜索信息，满足用户需求的实例，再然后便是由Facebook引领的Web2.0时代，到现在的Web3.0。互联网发生着翻天覆地的变化。从搜索到社交网络SNS，再到移动终端应用，到现在的云计算，数据量成次幂的增长。数据库也从一个简单的文档型数据库发展的现在庞大的数据库系统。

大数据的四个特点：价值、速度、多样性、体量。

当然，在大数据面前企业也面临着同样的难题，譬如：数据存储、系统性能、系统的扩张、数据冗余、数据分析。着一系列的问题，引导这数据库开发商创造着新的技术。而在数据库领域占据主要市场的ORACLE公司同样有着自己独特的大数据解决方案：

虽然Oracle给出了自己的大数据库解决方法，但是RDBMS的特点一目了然：

优点：事务型，遵守ACID、数据的规范性和结构性、 数据处理对应用透明、对表关联查询、规范的SQL标准、 30多年的企业实践，非常成熟。

劣势：水平扩展困难、无法满足非结构化数据的处理。

在大数据时代，系统的水平扩展变得越来越重要，因此关系型数据库在这方面的缺点一直制约着它的发展，而行列数据库给了一定的解决方法：

上面的这些优势在下面的数字对比中便会一目了然：

因此在现在的实际环境中，我们应该做的不只是维护，而且应该考虑系统的架构，如何让我们的硬件发挥最大的性能，这是依靠架构来实现的。行列数据库的性能如此强悍，这也是我们在大数据时代值得去尝试的。