云存储并非关系型数据库的终结者

  云计算出现之前,Oracle、MSSQL、MySQL、 Postgres等关系型数据库盘踞数据王国大半江山,鲜有能撼动其地位者。但如今信息满天飞的年代改变了这个现状,随着数据访问量急剧增长,关系型数据 库扩展性不足的缺点逐渐暴露出来。虽然通过增加内存、更新数据管理系统等方式可在短期内解决扩展不足问题,但这不符合可持续的发展规律。
  由云计算生发而来的云存储技术首先在互联网企业诞生。云存储技术并非特指某项技术,而是一大类技术的统称,它通过集群应用、网格技术或分布式文件系统
或类似网格计算等功能联合起来协同工作,并凭借一定的应用软件或应用接口,对用户提供一定类型的存储服务和访问服务。而复杂的后端支持使云存储在前端呈现
出更多关系型数据库所没有的优势:易于扩展、可靠安全、资源可控、利用率高、成本低以及速度快等。

  以上优势使得云存储技术拥有自己的擅长领域,如统计分析性数据的日常访问流量非常大,需要云存储这样的大规模分布式部署。但面对对一致性要求非常高的
事务性密集计算,云存储就显得力不从心。一般而言,一个大规模分布式数据库系统有三大需求,即一致性、可用性和分区耐受性,传统关系型数据库在分区耐受性
方面的支持十分有限,但一致性与可用性是其优势。换句话来讲,云存储的短板恰是关系型数据库的优势,二者在一定程度上有所互补。

  一方面,目前国内已有金山快盘、115网盘、百度网盘等占领市场,且都在进行声势浩大的免费营销。另一方面,传统企业中不乏关系型数据库的坚定支持
者。在此背景下,用户很容易迷了眼睛,选择不适合自己的存储服务。云存储是不是关系型数据库的终结者,目前无法妄下论断,作为用户,我们需抛开激动人心的
广告宣传,冷静分析自身的需求。而站在负责任的角度上,商家有义务帮助客户选择适合自己应用的数据库,实现效率最大化、成本最小化。

时间: 2024-07-31 07:50:41

云存储并非关系型数据库的终结者的相关文章

解析IFC数据并存储到关系型数据库

即系IFC数据并存储到关系型数据库中,目前解析的IFC文件是两亿多行,构件数量120万 原文地址:https://www.cnblogs.com/herd/p/9191176.html

Python3爬虫(九) 数据存储之关系型数据库MySQL

Infi-chu: http://www.cnblogs.com/Infi-chu/ 关系型数据库关系型数据库是基于关系模型的数据库,而关系模型是通过二维表来保存的,所以关系型数据库的存储方式就是行列组成的表.每一列是一个字段,每一行是一条记录.表可以看成是摸个实体的集合,而实体之间存在关系,比如主键和外键常见的关系型数据库有:Oracle.MySQL.SQLite.SQL Server.DB2等 MySQL在Python2中,MySQL的链接库是MySQLdb, 而在Python3中,官方不支

Python3网络爬虫实战-32、数据存储:关系型数据库存储:MySQL

关系型数据库基于关系模型的数据库,而关系模型是通过二维表来保存的,所以它的存储方式就是行列组成的表,每一列是一个字段,每一行是一条记录.表可以看作是某个实体的集合,而实体之间存在联系,这就需要表与表之间的关联关系来体现,如主键外键的关联关系,多个表组成一个数据库,也就是关系型数据库. 关系型数据库有多种,如 SQLite.MySQL.Oracle.SQL Server.DB2等等. 在本节我们主要介绍 Python3 下 MySQL 的存储. 在 Python2 中,连接 MySQL 的库大多是

HUABASE :基于列存储的关系型数据库系统

摘要   HUABASE 是基于列存储的关系型数据库系统.列存储技术的特点是数据查询效率高,读磁盘少,存储空间少,是构建数据仓库的理想架构. HUABASE 实现了多种数据压缩机制.查询优化和稀疏索引技术,在支持高效率的商业智能方面具有良好的发展前景,可以帮助企业轻松做出明智的业务经营决策. HUABASE 主页: http://www.huabase.cn/ HUABASE: A Column-Oriented Relational Database System Abstract   HUA

大数据时代的数据存储,非关系型数据库MongoDB

在过去的很长一段时间中,关系型数据库(Relational Database Management System)一直是最主流的数据库解决方案,他运用真实世界中事物与关系来解释数据库中抽象的数据架构.然而,在信息技术爆炸式发展的今天,大数据已经成为了继云计算,物联网后新的技术革命,关系型数据库在处理大数据量时已经开始吃力,开发者只能通过不断地优化数据库来解决数据量的问题,但优化毕竟不是一个长期方案,所以人们提出了一种新的数据库解决方案来迎接大数据时代的到来——NoSQL(非关系型数据库). 为什

大数据时代的数据存储,非关系型数据库MongoDB(一)

爆炸式发展的NoSQL技术 在过去的很长一段时间中,关系型数据库(Relational Database Management System)一直是最主流的数据库解决方案,他运用真实世界中事物与关系来解释数据库中抽象的数据架构.然而,在信息技术爆炸式发展的今天,大数据已经成为了继云计算,物联网后新的技术革命,关系型数据库在处理大数据量时已经开始吃力,开发者只能通过不断地优化数据库来解决数据量的问题,但优化毕竟不是一个长期方案,所以人们提出了一种新的数据库解决方案来迎接大数据时代的到来——NoSQ

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

Python3编写网络爬虫12-数据存储方式五-非关系型数据库存储

非关系型数据库存储 NoSQL 全称 Not Only SQL 意为非SQL 泛指非关系型数据库.基于键值对 不需要经过SQL层解析 数据之间没有耦合性 性能非常高. 非关系型数据库可细分如下: 键值存储数据库: 代表有Redis.Voldemort.和Oracle BDB等. 列存储数据库:代表有Cassandra.HBase.和Riak等. 文档型数据库:代表有CouchDB.Mongodb等. 图形数据库:代表有Neo4J.InfoGrid.Infinite.Graph等. 对于爬虫的数据

Python3网络爬虫实战-33、数据存储:非关系型数据库存储:MongoDB

NoSQL,全称 Not Only SQL,意为不仅仅是 SQL,泛指非关系型的数据库.NoSQL 是基于键值对的,而且不需要经过 SQL 层的解析,数据之间没有耦合性,性能非常高. 非关系型数据库又可以细分如下: 键值存储数据库,代表有 Redis, Voldemort, Oracle BDB 等. 列存储数据库,代表有 Cassandra, HBase, Riak 等. 文档型数据库,代表有 CouchDB, MongoDB 等. 图形数据库,代表有 Neo4J, InfoGrid, Inf