大數據存儲mongodb

『壹』 為什麼MongoDB適合大數據的存儲

MongoDB文檔型行抄存儲行存儲讀寫程致都第襲列始列結束行存儲寫入性完消耗間比列存儲少並且能夠保證數據完整性缺點數據讀取程產冗餘數據少量數據影響忽略；數量能影響數據處理效率使用文檔詞似乎讓覺奇怪其實 文檔型數據模型真傳統意義文檔沒關系說文檔其實數據記錄記錄能夠包含數據類型內容進行自我描述

另外用文檔查詢檢索效率高使用資料庫帶許處：減少數據冗餘度節省數據存儲空間；實現數據資源充共享等等外資料庫技術用戶提供非簡便使用手段使用戶易於編寫關資料庫應用程序

『貳』 常見的基於列存儲的大數據資料庫有哪些(大數據的數據存取採用什麼資料庫)

目前大數據存儲有兩種方案可供虛攜洞選擇：行存儲和列存儲

業界對兩種存差枯儲方案有很多爭持，集中焦點是:誰能夠更有效地處理海量數據，且兼顧安全、可靠、完整性

從目前發展情況看，關系資料庫已經不適應這種巨大的存儲量和計算要求，基本是淘汰出局

在已知的幾種大數據處理軟體中隱廳，Hadoop的HBase採用列存儲，MongoDB是文檔型的行存儲，Lexst是二進制型的行存儲

在這里，我不討論這些軟體的技術和優缺點，只圍繞機械磁碟的物理特質，分析行存儲和列存儲的存儲特點，以及由此產生的一些問題和解決辦法

『叄』 大數據主要學習什麼

現在是大數據的時代，很多人都想從事大數據的職業.大數據主要學習什麼？

基礎階段:Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis.hadoopmaprecehdfs:hadoop:hadoop概念、版本、歷史、HDFS工作原理、YARN介紹和組件介紹.

大數據存儲階段:hbase、hive、sqoop.

大數據結構設計階段:Flume分布式、Zookeeper、Kafka.

大數據侍敗帶實時計算階段:Mahout、Spark、storm.

大數據收集階段:Python，Scala.

大數據商業實戰階段:實踐企業大數據處理業務場景，分析需求、解決方案實施，綜合技術實戰應用.

大數據枯返(bigdata、mega、data)或大量資料，是指需要新的處理模式，具有更強的決策力、洞察力和過程優化能力的大容量、高增長率和多樣化的信息資產.在維克托·邁爾·舍恩伯格和肯尼斯·庫克耶寫的《大數據時代》中，大數據不是隨機分析法(抽樣調查)的捷徑，而是採用所有數據進行分析處理.大數據的5V特徵:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值密度)、Veracity(真實老蘆性).

大數據的5個v或特徵為

第一，數據體量巨大

『肆』 微博如何使用大數據存儲技術

Mongodb和Redis，Mongodb可以滿足大量數據的存儲，Redis是內存資料庫，適合Key-Value形式的快速讀寫，適合做緩存，佔用內存資源多，不適合存儲大量數據。

微博是近幾年發展得極為火熱的信息發布和分享平台，可以發布微博、分享信息、評論和參與話題的討論。為了讓用戶及時了解到最熱門的話題、最熱門的信息。

需要對微博系統中的數據進行實時處理和分析。而Storm是一個免費開源、分布式的、具有很好容錯性的實時計算系統，通過Storm可以實時處理微博系統中的數據，並根據處理結果向用戶進行實時熱門推送。

微博大數據：

微博其實和淘寶是很類似的。一般來說，第一代架構，基本上能支撐到用戶到 百萬 級別，到第二代架構基本能支撐到 千萬 級別都沒什麼問題，當業務規模到 億級別時，需要第三代的架構。

從LAMP的架構到面向服務的架構，有幾個地方是非常難的，首先不可能在第一代基礎上通過簡單的修修補補滿足用戶量快速增長的，同時線上業務又不能停，這是我們常說的在飛機上換引擎的問題。

建議在做服務化的時候，首先更多是偏向業務的梳理，同時要找准一個很好的切入點，既有架構和服務化上的提升，業務方也要有收益，比如提升性能或者降低維護成本同時升級過程要平滑，建議開始從原子化服務切入，比如基礎的用戶服務， 基礎的短消息服務，基礎的推送服務。

第二，就是可 以做無狀態服 務，後面會詳細講，還有數據量大了後需要做數據Sharding，後面會將。第三代 架構 要解決的 問題，就是用戶量和業務趨於穩步增加（相對爆發期的指數級增長），更多考慮技術框架的穩定性， 提升系統整體的性能，降低成本，還有對整個系統監控的完善和升級。