ReportDB数据库存储选型分析

SQLServer关于reportDB的存储选型做如下分析：

网络存储两大主要类型：

1、NAS

支持的文件传输协议：NFS（unix/linux文件共享）、SMB（windows）、samba（linux到windows）

2、SAN

支持的文件传输协议：iscsi，分为FC-SAN和IP-SAN两种实现方式

特点及对比：

1、SAN比NAS的优势在于速度快，因为iscsi的Block protocol会比File protocol速度快，

其中IP-SAN比FC-SAN的优势在于成本（可以将iscsi协议跑在IP网络上），和易用性（使用当前网络设备即可实现）

2、NAS比SAN的优势在于易用性，仅通过共享文件的形式即可实现

结论：

IP-SAN比SAMBA的优势在于速度，但需要像FC-SAN一样进行存储划盘操作，操作较繁琐

SAMBA和IP-SAN的优势在于易用，只需要将文件进行共享即可

时间： 2024-10-10 02:49:11

ReportDB数据库存储选型分析的相关文章

MySQL数据库存储引擎

MySQL数据库存储引擎 MySQL数据库是一种关系型数据库,数据时存放在数据库中的一张一张的表中的,各个表之间或有关联,表中的每行相关,每列是不相关.这是关系型数据库的基本存储方式. MySQL存储引擎是为了在各种不同的条件下对数据存放的可靠性.关联性.读写等方面做出的一个可供选择的存储模式. 当前使用较多的MySQL存储引擎主要有以下几个,MyISAM,InnoDB,BdB,Memory等,这些存储引擎主要在以下几个方面有所区分,锁定水平.处理方式.存储方式和索引技巧方面有所不同. mysq

Atitit.数据库存储引擎的原理与attilax 总结

Atitit.数据库存储引擎的原理与attilax 总结 1. 存储引擎是什么1 2. 其它数据库系统(包括大多数商业选择)仅支持一种类型的数据存储2 3. 表的存储有三个文件:结构+数据+索引2 4. 页和字段2 5. 数据存取的选择:行存储还是列存储?3 6. 常见的存储引擎3 6.1. 简单类型MyISAM.3 6.2. 复杂类型,支持事务与外键 MySQL存储引擎[InnoDB.3 6.3. InnoDB数据存储结构3 6.4. Memory](Heap) 存储引擎5 6.5. NDBC

从安全攻击实例看数据库安全（三）数据库攻击原理分析

摘要:本文将通过对SQL注入攻击技术和数据库加密技术原理以及防护效果进行深入的分析,来辨析数据库安全技术误区"数据库加密能解决SQL注入",同时本文也给出了SQL注入的防护方法. 1. 数据库安全误区 针对2015年4月互联网大规模报道的全国30省市社保等行业用户信息泄露事件,安华金和对乌云历史报道的社保行业相关漏洞进行集中分析,得出的结论为:大量的信息泄露主要是由于软件中存在的SQL注入漏洞被黑客利用引起的,我们可以把SQL注入比作黑客攻击数据库"锋利的矛".  

列式数据库的简单分析

转自:列式数据库的简单分析 这些天看数据仓库的内容,发现一个新内容——列式存储.曾经有想过把数据库行列转置作成索引,不过没有深想,没想到列式数据库已经开始发展起来了.首先看下WIKI上对列式数据库的解释: 列式数据库是以列相关存储架构进行数据存储的数据库,主要适合与批量数据处理和即席查询.相对应的是行式数据库,数据以行相关的存储体系架构进行空间分配,主要适合与小批量的数据处理,常用于联机事务型数据处理.数据库以行.列的二维表的形式存储数据,但是却以一维字符串的方式存储,例如以下的一个表:EmpI

[开源]FreeSCADA的数据库存储方式(Archiver)探究[MySQL为例]

1.我们先新建一个FreeSCADA的工程实例,看下实际的存储效果: a) 建立几个数据通道作为数据源(Communication菜单编辑,Channels Tree下显示): b) 建立一个数据库存档(工具栏的Archiver Settings): c) 定义数据库连接属性(Project菜单下的Database settings子菜单): d) 编译项目,并运行,查看数据库存储结果: 2.存储过程探究(FreeSCADA2解决方案下的Archiver工程): 我们主要分析Archiver工程

数据库存储技术基础(一) 字典编码

说到数据库存储技术的基础,就要了解企业应用的数据特性以及面临的瓶颈. 1.企业应用的数据特性 事件产生数据 以快递追踪为例,信息读取过程包括当前读取操作的地点.时间戳.当前所处的业务流程(如收件.打包.运送)以及其他详细信息.当然,对网络游戏活动数据的分析就更为复杂.每个事件数据的数据集较小(Byte/KB)而每个实体可产生多个事件. 结构化/非结构化数据的结合 结构化数据有标准的格式存储即可被计算机自动处理.非结构化数据是不具有特定的数据解析模型,不能被计算机自动处理的数据,例如视频.图片与任

Python全栈-数据库存储引擎

一.存储引擎概述 在个人PC机中,不同的文件类型有不同的处理机制进从存取,例如文本用txt打开.保存:表格用excel读.写等.在数据库中,同时也存在多种类型的表,因此数据库操作系统中也应拥有对各种表的存取机制以实现对数据的操作,而表类型又称为存储引擎. 简单的说,存储引擎就是使得数据库存储数据.建立索引.数据更新以及查询等操作的实现方法.在关系型数据库中,数据的存储时以表的形式存储的,所以存储引擎也可以称为表类型即存储和操作此表的类型. 在Oracle等数据库中只存在一种存储引擎,所以数据存储

海量数据查询关系型数据库存储大数据，要点就是：简单存储、分区分表、高效索引、批量写入

海量数据查询 https://www.cnblogs.com/nnhy/p/DbForBigData.html 相当一部分大数据分析处理的原始数据来自关系型数据库,处理结果也存放在关系型数据库中.原因在于超过99%的软件系统采用传统的关系型数据库,大家对它们很熟悉,用起来得心应手. 在我们正式的大数据团队,数仓(数据仓库Hive+HBase)的数据收集同样来自Oracle或MySql,处理后的统计结果和明细,尽管保存在Hive中,但也会定时推送到Oracle/MySql,供前台系统读取展示,生成

第3篇：分布式数据库存储

一.分布式数据库存储 在前面的章节:GreenPlum数据库是分布式架构数据库:表的数据分布在segment节点.那么表的数据根据什么策略来分布的? GreenPlum数据库性能依赖于跨数据节点均匀分布 GreenPlum数据库查询响应时间由所有数据节点完成时间来度量.系统只能跟最慢数据节点完成时间来决定.如果数据存储倾斜.一个数据节点比其他节点需要花更多的时间来处理数据,数据存储倾斜只会存在哈希分布的情况. 在GreenPlum数据库中:表关联查询最常见.若两个或者多个表关联的字段非分布键或者