5个最佳大数据数据库

大数据数据库：精髓

大数据是不同性质（结构化、半结构化和非结构化）的多源、海量数据，需要特殊的存储和处理方法。

大数据数据库的显著特征是没有严格的模式和存储pb级数据的能力。NoSQL（非关系）数据库系统针对大数据进行了优化。它们构建在水平架构上，能够快速且经济高效地处理大量数据和多个并发查询。

关系数据库（RDBMS）

数据：数据结构化数据存储在表中

模式：支持严格的（预定义的）数据模式

可伸缩性：垂直扩展

语言：结构化查询语言

事务：ACID兼容（原子性、一致性、隔离性、持久性）

最适合：复杂查询、数据库事务和日常数据分析

例子：Amazon Redshift, Azure Synapse Analytics, Microsoft SQL Server, Oracle Database, MySQL, IBM DB2等。

非关系数据库（non-RDBMS）

数据：非结构化数据根据不同的模型（键值、面向文档、图形、宽列存储和多模型）进行存储。

模式：支持动态数据模式

可伸缩性：水平扩展

语言：非结构化查询语言

事务：CAP定理（一致性、可用性和分区容忍）可能是ACID兼容的

最适合：存储和建模结构化、半结构化和非结构化数据

例子：Amazon DynamoDB, Azure Cosmos DB, Amazon Keyspaces, Amazon DocumentDB, Oracle NoSQL数据库等。

尽管非关系数据库已被证明更适合大规模的高性能和敏捷数据处理，但像Amazon Redshift和Azure Synapse Analytics这样的解决方案现在已经针对查询大量数据集进行了优化，这使得它们在处理大数据时足够了。

大数据架构可能包括以下组件：

1. 数据源——关系数据库、应用程序产生的文件（如web服务器日志文件）、物联网设备产生的实时数据。

2. 大数据存储——NoSQL数据库，用于存储大量不同类型的数据，然后对数据进行过滤、聚合和准备以供分析。

3. 实时消息摄取存储——捕获和存储用于流处理的实时消息。

4. 分析数据存储——用于准备和构建大数据以供进一步分析查询的关系数据库。

5. 大数据分析和报告，可能包括OLAP多维数据集、ML工具、自助式BI工具等，为最终用户提供大数据见解。

最佳大数据数据库比较

根据Forrester Wave的报告，一些用于数据分析和处理的最佳数据库是Amazon DynamoDB、Azure Cosmos DB和MongoDB。

1. AWS Dynamo DB

描述：（1）Forrester Wave报告中的大数据NoSQL数据库的领导者。（2）支持键值和文档数据模型。（3）ACID（原子性、一致性、隔离性、持久性）事务。（4）与AWS S3、AWS EMR、Amazon Redshift集成。（5）使用DynamoDB加速器的微秒级延迟。（6）使用DynamoDB流进行实时数据处理。（7）按需和预置两种读写容量模式。（8）端到端大数据加密。（9）时间点恢复和按需备份和恢复。
最适合：运营工作负载、物联网、社交媒体、游戏、电子商务应用。

2. Azure Cosmos DB

描述：（1）Forrester Wave报告中的大数据NoSQL数据库的领导者。（2）支持多模型数据模式。（3）SQL, MongoDB, Cassandra, Gremlin等的开源API。（4）与Azure Synapse Analytics集成，对运营数据进行实时分析。（5）支持ACID事务。（6）按需和预置容量模式。（7）大数据加密（传输和静态）和访问控制。（8）99.999%的可用性。
最适合：运营管理、电子商务、游戏、物联网应用。

3. Amazon Keyspaces

描述：（1）支持Apache CQL API代码、Cassandra许可的驱动程序和运行Cassandra工作负载的开发工具。（2）静止和传输中的大数据加密。（3）按需和预置容量模式。（4）与Amazon CloudWatch集成，用于性能监控。（5）具有时间点恢复功能的表数据连续备份。（6）AWS区域内99.99%的可用性。（7）与AWS身份和访问管理集成，用于数据库访问控制。
最适合：车队管理，工业维护应用程序。

4. Amazon DocumentDB

描述：（1）MongoDB兼容性。（2）支持ACID事务。（3）通过AWS数据库迁移服务支持迁移（例如，将MongoDB数据库本地迁移到Amazon DocumentDB）。（4）支持内置角色的基于角色的访问。（5）网络隔离。（6）实例监视和修复。（7）集群的快照。
最适合：用户配置文件、目录和内容管理。

5. Amazon Redshift

描述：（1）灵活的数据库管理平台，用于使用SQL进行大数据查询，是Gartner Analytics数据管理解决方案魔力象限的领导者。（2）自动化基础设施配置。（3）按需和预置容量模式。（4）Amazon Redshift Spectrum用于查询数据湖（Amazon S3）中的大数据。（5）对操作数据查询的联邦查询支持。（6）大数据加密（传输和静态）。（7）网络隔离。（8）行级和列级安全性。
最适合：业务事件的BI和实时操作分析。不适合以毫秒为单位的联机事务处理（OLTP）。