数据库和数据仓库

1、RDBMS（关系型）

在小型和大型的组织机构中，大多数主要的运营信息主要是存储在关系型数据库管理系统（RDBMS）中。知道什么数据集被存储了以及它们被存储在何处，是大数据实施中的关键构件块。PostgreSQL是最广泛使用的开源数据库，其真正的能力在于它的扩展性。用户和数据库管理员可以添加新的功能，而不影响数据库的基本操作和可靠性。

2、非关系型数据库（“不仅仅是SQL”Not Only SQL，NoSQL）

非关系型数据库无须依赖于RDBMS特有的表/键模型。一些最流行的非关系型数据库的风格和开源实现如下：键值数据库；文档数据库；列式数据库；图数据库；空间数据库。下面主要介绍两个常用的数据库：MongoDB和HBase。

2.1、文档数据库

两种文档数据库：一种通常被描述为一个完整的文档样式的内容库（例如，文字文件和完整的网页），另一种是用于存储文档组件的数据库，将其作为静态实体或文档一部分的动态组件来永久存储。文档数据库正在成为大数据所采用的黄金标准。

MongoDB是“hu（mongo）us database”系统的项目名称，它是由包含集合的数据库组成，集合是由文档组成的，每个文档由字段组成。正如关系型数据库中的那样，我们可以索引一个集合，这样会增加数据查找的性能。

MongoDB返回一个叫做光标的东西，它作为一个数据的指针，提供了计数或分类数据的选项，而不需要解压它。MongoDB生来支持BSON，JSON（注：JSON是一种数据交换格式，基于JavaScript编程语言的一个子集，本质上是文本。）文件的二进制实现。

MongoDB也是一个包含以下要素的生态系统：

• 高可用性和复制服务，可以用于跨局域网和广域网缩放。
• 一个网格文件系统（GridFS），通过在多个文件中将对象划分的方式，启用了大对象存储。
• MapReduce支持分析和不同集合/文档的聚合。
• 分片服务，在一个或多个数据中心的服务器集群中，分布一个单一的数据库。服务是由一个分片字段驱动的，用于跨多个实例智能地分发文件。
• 查询服务支持随机查询、分布式查询和全文检索的查询服务。

有效的MongoDB实现包括：大容量的内容管理；社交网络；归档；实时分析。

2.2、列式数据库

关系型数据库是面向行的，因为在表中的每一行数据都被存储在一起。在列式或是面向列的数据库中，数据是跨行存储的，这是列式数据库最重要的底层特征。添加列很容易，而且可以逐行添加，提供了极大的灵活性、多性能和扩展性。

HBase是目前最受欢迎的列式数据库之一，为满足核心数据存储需求，HBase使用Hadoop文件系统和MapReduce引擎。HBase的实现是高度可伸缩的、稀疏的、分布式的、持久性的多维排序图。每个图按行键、列键和时间戳进行索引，图中的每个值都是一个未经解释的字节数组。

当大数据的实现需要随机、实时地读/写数据访问时，HBase是一个很好的解决方案。因此，常被用来存储结果，用于后面的分析处理。