简介：本文的首席执行官注释将介绍用于大数据的数据库的相关内容。我希望这对每个人都会有所帮助。让我们来看看。
问题1：什么是大数据技术？问答无法发送链接，否则我会给您链接。例如，开源大数据项目，例如Hadoop，编程语言，以下内容基于大数据的基础技术。
在Yonghong技术的技术下，实际上有四个方面，它也代表了一些通用的可使用大数据的基础技术：
Z-Suite具有高性能的大数据分析功能。她完全放弃了向上的升级（扩展），以完全支持水平扩展（扩展）.z-Suite主要支持PB级的大数据通过以下核心技术：
跨度databaseputing
Z-Suite支持各种常见的摘要，还支持几乎所有专业的统计功能。谢谢跨颗粒大小的计算技术，Z-Suite数据分析引擎将找到优化的计算解决方案，然后移动所有较大且昂贵的所有计算全部直接计算数据存储的地方。计算（数据库）。这项技术大大减少了数据移动，降低了通信负担并确保高性能数据分析。
平行计算（MPP放置）
Z-Suite是基于MPP体系结构的商业情报平台。她可以将计算分配给多个计算节点，然后在指定的节点上汇总计算结果。z-Suite可以充分利用各种计算和存储资源。无论是服务器还是普通PC，她都不对网络条件有严格的要求。作为水平扩展大数据平台，Z-Suite可以为每个节点的计算能力提供全面播放，并轻松实现TB的二级响应/PB级数据分析。
列存储（基于列）
Z-Suite被存储。基于专栏文章存储的数据市场可以减少读写开销而无需阅读，同时提高I/O的效率，从而大大提高了查询性能。此外，存储可以更好地压缩数据，通常是压缩的。比率在5-10倍之间。这样，数据占用空间将减少到传统存储的1/5至1/10。好的数据压缩技术可以节省存储设备和内存的开销，但大大改善了计算性能。
内存计算
多亏了存储技术和并行计算技术，Z-Suite可以极大地压缩数据并同时使用多个节点的计算能力和内存能力。从基础上，内存访问速度比磁盘访问快数百甚至数千倍速度。通过内存计算，CPU直接从内存而不是磁盘读取数据并计算数据。MEMORY计算是传统数据处理方法的加速度，并且是用于大数据分析的关键应用技术。
问题2：大数据中使用哪些数据库是Oracle，DB2，SQL Server，密钥不是选择任何数据库，而是如何优化数据库！您需要查看如何操作您的日常操作，主要是查询或存储，或两个，但还取决于您的数据结构。您必须根据当地条件对其进行优化！所以这不是一个清晰的词！
问题3：什么是大数据和大数据平台大数据技术是指从各种数据中快速获取有价值信息的能力。大数据的技术，包括大型平行处理（MPP）数据库，数据挖掘功率网格，分布式文件系统，分布式数据库，云计算平台，Internet和可扩展存储系统。
大数据平台是计算当今社会产生的数据量增加。存储，操作和显示为目的的平台。
问题4：常用大型数据库的FOXBase是什么
mysql
这两个不是大型数据库管理系统
PB是数据库应用程序使用的IDE，它根本不是数据库管理系统
Foxbase是DOS时代的产物。在Windows时代，它被称为FoxPro。它属于属于桌面单基机级别的小型数据库系统。MySQL是一个中等水平和幅度，但它是开源的。这两个关键行业（例如银行）都在这两家中使用。Microsoft的MS SQLServer小于DB2和Oracle，这在中小型企业单元中更常见。可以说Sybase很薄。
问题5：一些大数据库之间的区别是Oracle，最专业的，然后是Microsoft的SQL Server。这也很好。当然，DB2等也很好。如果您拥有全面的主人，则可以确保数据的安全性。然后有一些小型数据库访问，MySQL等，适用于中小型企业的100万个数据。如果您有帮助，请接受，谢谢！
问题6：世界上最大的数据库中应该是甲骨文。首先，甲骨文被企业界广泛采用。因为它是标准化，严格且实在的，其安全性很高。第二，如果您学习使用Oracle不是商业化的，也可以免费使用它。三分之一的Linux/Unix系统通常用作服务器，并且可以说Oracle的使用情况非常多。建议您更多地了解此功能强大的数据库。
问题7：什么是大数据？大数据或大量数据是指涉及的大量数据，以至于无法传递当前的主流软件工具。更多积极信息。在Victor Mirr-In Mel-Sinberg和Kennes Cookye撰写的“大数据时代”中，指的是使用所有数据的方法，而无需随机分析方法（采样调查）[2]）大数据的4V特征：音量（大数量），速度，多样性（多样），价值（价值）。
说到大数据，有必要谈论商业智能：
商业智能（商业智能（BI），也称为商业智能或商业智能，是指使用现代数据仓库技术，在线分析处理技术，数据挖掘和数据显示技术以实现业务价值的数据分析。
作为工具，商业智能用于处理企业中的现有数据，并将其转换为知识，分析和结论。辅助业务或决策者做出了正确和明智的决策。这是一项技术，可以帮助企业更好地利用数据来提高决策质量，包括从数据仓库到分析系统。
商业智能的发展
商业智能的概念通过霍华德·德雷斯纳（Howard Dresner，1989）的普及来广泛理解。在那个时候，商业智能被定义为由数据仓库（或数据市场）组成的类别，查询报告，数据分析，数据挖掘，数据备份和恢复。
商业智能是1990年代后期首次出现在外国商业界的一个术语。它的代表采用了一系列方法，技术和软件来提高企业的运营性能。它不仅将高级信息技术应用于整个企业，不仅为企业提供信息获取能力，而且还将其转变为竞争优势的优势通过信息开发的企业。有人称其为混乱世界中的情报。因此，越来越多的公司提出了对BI的需求，并将BI用作帮助公司实现业务目标的有效手段。
目前，商业智能通常被理解为用于转换企业中现有数据并帮助企业做出明智业务业务决策的工具。，以及来自企业的行业和竞争对手的数据，以及来自企业的其他外部环境的各种数据。企业智能可以在可以作为运营层或管理和战略决策的业务决策中提供帮助。
为了将数据转换为知识，需要诸如数据仓库，在线分析处理（OLAP）工具和数据挖掘等技术。因此，从技术角度来看，商业智能不是一项新技术。它只是ETL，数据仓库，OLAP，数据挖掘和数据显示等技术的全面应用。
将商业智能视为解决方案应该是适当的。商业智能的关键是从不同企业操作系统的许多数据中提取有用的数据并清理以确保数据的正确性。ETL流程，合并为企业 - 级别 -数据仓库，以获取公司数据的全球视图。基于此，使用适当的查询和分析工具，数据挖掘工具，OLAP工具等。信息成为辅助决策 - 制定知识），最后向管理人员提供知识，以支持管理者的决策过程。
企业进口BI的优势
1.随机查询动态报告
2.掌握指标管理
3.随时在线分析和处理
4.视觉公司仪器版本
5.协助预测计划
进口bi的目的
1.促进公司决策过程效率和决策质量的改善。
... ... ...
问题8：数据库是什么？常见数据库：Oracle，SQLServer，MySQL，Access，Sybase 2，功能。-Oracle：1。数据库非常安全且适合大型数据库。Support多个系统平台（HPUX，SUNOS，OSF/ OSF/ OSF/ OSF/ OSF/1，VM，Windows，Windows/NT，OS/2）.2。支持客户端/服务器体系结构和混合体系结构（集中式，分布式，客户端/服务器）.- SQLSERVER：1。实际客户端/服务器体系结构2。图形用户界面，使系统管理和数据库管理更加直观和简单3。它具有良好的望远镜，可以由多个平台使用，例如运行Windows 95/98的膝盖型计算机到运行Windows 2000的大型多处理器。MySQL：MySQL是一个小型的关系数据库管理系统，可打开源代码。开发人员是瑞典MySQL AB.MysQL目前广泛用于Internet上的中小型网站。网站已选择MYSQL作为网站数据库，以降低网站的整体成本。AccessAccess是一个桌面数据库，仅适用于具有少量数据的应用程序。当处理少量数据和独立数据库时，这是非常好的，并且效率很高，但是它无法同时访问客户端。
问题9：什么是大数据和大数据是一个具有特别大卷和特别大的数据类别的数据集，并且此类数据集无法使用传统的数据库工具来捕获，管理和处理其内容。BIG数据首先是数据数据（卷）？大，指的是大数据集，通常约为10TB？量表，但在实际应用中，许多公司用户将多个数据集放在一起，并形成了PB级别级别。第二是大数据类别。数据来自各种数据源。数据类型和格式变得越来越丰富。它已经通过限制在先前有限的结构的结构化数据类别中破裂，包括半结构和非结构化数据塞语，数据处理速度很快。在大量数据的情况下，也可以实时实现数据。最后一个功能是高真实性。由于新数据源的兴趣，例如社交数据，公司内容，交易和应用程序数据，传统数据源的局限性被破坏了。有效的信息越来越需要企业。确保其真实性和安全性。
数据收集：ETL工具负责分布式数据，异质数据源，例如关系数据，图形数据文件等。要清洁，转换和集成在线分析，处理以及数据挖掘的基础。
数据访问：关系数据库，NOSQL，SQL等。
基础架构体系结构：云存储，分布式文件存储等。
数据处理：自然语言处理（NLP，natuallanguageProcessing）是一门与计算机互动与计算机互动的学科。处理自然语言的关键是使计算机理解自然语言，因此自然语言处理也称为NLU，自然语言，自然语言理解，理解，理解，理解自然语言。也称为计算语言。一方面，它是语言信息处理的一个分支。另一方面，它是人工智能的核心主题之一（AI，人工智能）。
统计分析：假定的检查，重大测试，差分分析，相关分析，相关分析，T测试，方形分析，体面分析，部分分析，距离分析，回归分析，简单回归分析，多元回归分析，逐渐回归预测和回报预测以及回归预测和回归预测性分析，脊回报，逻辑回归分析，曲线估计，因子分析，聚类分析，主要成分分析，因子分析，快速聚类方法和聚类方法，判断分析，相应的分析，多样化的相应分析（最佳标准）标准分析），引导技术等。
数据挖掘：分类，估计，预测，预测，亲和力组或关联规则，聚类，描述和可视化，描述和可视化）以及描述和可视化。数字（文本，网络，图形，图形，视频，音频等）
模型预测：预测模型，机器学习，建筑模拟。
结果演示：云计算，标签云，关系图等。
要了解大数据的概念，我们必须首先从大数据开始。大索引。大数据通常是指超过10TB（1TB = 1024GB）的数据量。BIG数据与过去的大量数据不同。它的基本特征可以用4 V（Vol-um，品种，价值和速度）总结，即大体积，多样性，低值密度和快速速度。
首先，数据量很大。从结核病水平，跳到PB级别。
其次，有多种类型的数据，例如在线日志，视频，图片，地理位置信息。
第三，值密度很低。以连续和不间断监视的过程为例，视频可能只有一两秒钟。
第四，快速处理速度。1第二定律。最后一点也是传统的...
问题10：中国的国内大数据分析产品是什么？国内大数据公司仍然对前端可视化有很多视觉显示。蝙蝠确实制作了大数据。该行业的需求很大。其他行业无法跟上。按需决定市场。
谈论更常见的数据分析。
大数据分析也是数据分析。在实际应用中，数据分析工具可以分为两个维度：
第一维：数据存储层-DATA报告层-DATA分析层-DATA显示层
第二 -维：用户-Level -Department -Level -Enterprise -level -BI级别
1.数据存储层
数据存储设计的概念和数据库语言在这方面不必研究，但至少了解数据存储方法，基本结构和数据类型。您可以从常用的Selece查询，更新修改，删除删除以及基本结构以及插入读取。
Access2003，Access07等。这是最基本的个人数据库，通常用于个人或部分基本数据存储；MySQL数据库对于部门级别或Internet数据库应用程序是必需的。在此时间语言数据查询能力上。
SQL Server2005或更高版本，对于中小型企业，一些大型企业也可以使用SQL Server数据库。实际上，除了此时数据存储外，它还包括数据报告和数据分析，甚至还包括数据挖掘工具。
DB2，Oracle数据库都是大型数据库，主要是企业级别，尤其是大型企业或对数据大量存储的需求。通常，大型数据库公司提供非常好的数据集成应用程序平台。
实际上，BI级别不是数据库，而是基于先前数据库的数据仓库。DATA仓库，基于DW机器的数据存储基本上是一个商业智能平台，可以整合各种数据分析，报告，分析和显示！BI！- 近年来，水平的数据仓库与BI产品结合在一起也是一个主要趋势。
2.报告层
企业必须读取数据并需要显示。报告工具是最常用的工具，尤其是在中国。传统陈述解决了问题。目前，国内SAN软报告Finereport被认为是该行业的佼佼者。这是带有数据分析的陈述。由于其出色的接口打开功能，填充和表单功能，数据可以连接到数据。进入和退出涵盖了早期商业智能的功能。
Tableau，Finebi等可以分为报告层上的数据显示层。Finebi和Tableau近年来属于非常好的软件。它可以用作视觉数据分析软件。我经常使用finebi从数据库中获取报告和视觉分析的数量。依赖于说话，Tableau的可视化更好，但是FineBi具有另一种身份 - 商业智能，因此处理大数据的能力更好。
3.数据分析层
实际上，该层中有许多分析工具。当然，最常用的是Excel。我经常使用统计分析和数据挖掘工具；
Excel软件，第一个版本越高，越好。这是的。当然，对于Excel来说，许多人只是掌握了5％的Excel功能。Excel功能非常强大，甚至可以完成所有统计分析工作！但是我也经常说，最好将Excel作为统计工具。
SPSS软件：当前版本为18，名称也更改为PASW统计信息；我已经从DOS环境从3.0到SPSS社会科学统计软件软件包中的当前版本进行了编程。从关注医学，化学等。开始对业务分析的越来越多的关注，现在已成为一种预测分析软件；
SAS软件：SAS实际上比SPSS更强大。SAS是基于平台的。EM采矿模块平台集成。相对而言，SAS更难学习，但是如果您掌握了SAS，它将更有价值，例如离散选择模型，采样问题，正交实验设计等。SAS仍然相对易于使用。此外，SAS还有更多的学习材料，并且也是公开的。
JMP分析：SAS的分析分支
xlstat：excel的插头-in，您可以完成...
1.数据量太大。例如，它是甲骨文。数亿个数据的优势正在为Oracle播放，因此无需优化配置。缺点安装更加麻烦，入门速度也很慢。
2.数据量很大，例如数千万级。使用PostgreSQL。它被称为基准甲骨文。处理1000万级的数据很容易。它也很容易学习和使用。
3.数据量是平均值，例如一百万级。使用MySQL，此数据级别的数据量相对较快。
4.数据量很小，例如少于100,000，SQLITE和访问都可以使用。
以上是基于数据操作的量，您查看选择。
哪个简单简单的数据库更好？这具体取决于您的目的。如果数据量相对较小（约100,000），则追求简单，免费的开源SQLite。如果数据量很大，考虑到高合并和分布式公式，您可以使用专业的MySQL，PostgreSqllet简要介绍它，感兴趣的朋友可以尝试：
小而灵活的sqlite
这是一个基于C语言开发的轻量级关系数据库。它是简短而密集的，免费的开源。个人使用不需要乏味的配置。它只需要一个简单的运行库即可直接使用它。对于各种编程语言，Java，Python，C＃等都可以轻松操作。如果您尚未存储数据量，那只是一个简单的本地操作（更多阅读）。您可以使用此数据库。它不适合高频率和大数据量：
专业强大的mysql
分布式，存储数据的量比SQLite更安全。索引，触发器，存储过程等功能非常好。支持数据导入和导出。管理员并使用：
免费的开源PostgreSQL
与MySQL相比，它在复杂的查询，高和更稳定的头发，优越性，可伸缩性和维护性方面更加稳定，但也具有缺点，例如旧版本和新版本不会分开存储，没有覆盖索引扫描等，总体使用效果的出现还不错：
当然，除了上述三个数据库外，还有许多其他数据库，例如MSSQL，Oracle等，也非常好。它足以存储和处理数据。只要您熟悉基本使用过程，就可以很快开始。相关的教程和信息，介绍非常详细。如果您有兴趣，可以搜索它。我希望上述共享的内容对您有所帮助。您也欢迎您发表评论，并留言以供补充。
与初学者的理解和入门最合适的是访问权限，因为它和Excel最初是一个套件。相互转变很容易。复制和粘贴。理解库，表，字段和钥匙的概念非常容易。
如果数据量不大，强烈建议尝试Filemaker，脚本编程，免费的自定义输入接口和工作流，这非常方便且高效。
最近被杀死的空调更简单，效率更高，界面很漂亮，操作等同于电子桌，并且开发动量也非常快。
两者的重点是不同的，用户可以根据需要选择
作为软件开发人员，您需要长时间处理数据库，并且个人更喜欢MySQL。尽管它可能基于您的Excel原因，但有些人会建议您使用访问数据库，但根据我的个人意见，我不建议您这样做。mySQL的具体原因如下：
1. MySQL是普遍的。在国内环境中，大多数互联网公司都使用MySQL。在大多数用户基础上，可以在Internet上找到各种问题的解决方案。
2. MySQL比Oracle更轻巧。对于来自Excel的数据，无需使用Oracle。在同一时间，MySQL是完全免费的。您不必担心版权和成本问题。对于预算有限的个人和公司来说，这是一个不错的选择。
3. MySQL与标准SQL高度兼容，这也可以大大降低将来迁移到其他数据库的学习成本。
我希望我的答案能帮助您！交叉启动[是的] [是的] [是的]
Excel的办公室确实很方便，可以进行一些简单的数据分析，但是涉及大量复杂的数据操作将遇到与主题相同的问题。数据丢失和其他问题。
在这种情况下，我们应该如何解决它？数据库的重要性很明显！
现在，我将与您讨论哪些数据库选择，以及在3分钟内选择它的原因。有更好的解决方案吗？
MySQL数据库，有90％的公司会选择它
该数据库被很好地选择，并且保证了企业的数据和资产安全性。因此如何选择数据库？这与您的业务量和商业服务行业不可分割。
如果您只是在工作中检查，请使用SQL Server；
如果要存储会话信息，用户配置信息，购物车数据，建议使用NOSQL数据库；
但是，90％的公司或个人是MySQL数据库。
你为什么这么说？
因为在金融，金融，网站，网站，数据处理和其他应用程序的领域。优势。
这就是为什么几乎所有公司都选择它来存储数据的原因。
此外，MySQL数据库支持各种存储引擎，支持大型数据库，可以处理数千个记录，还提供了用于管理，检查和优化数据库操作的工具。
因此，MySQL受到个人和中小企业的尊重。
尽管MySQL数据库简单易用，但是如果我仍然不部署，该怎么办？
不用担心，现在市场出现了，这是一种具有自己数据库的新型Office软件。
例如，Cloud Watch Watch Enterprise Application Platform是一种兼容的Excel函数，但功能更强大的Office软件，它嵌入了MySQL数据库。（有一种免费的方法可以在文本的末尾获取）
有什么优势？
1.性能是更优化的，更兼容的。由于云的研发人员，始终进行更新以维护MySQL数据库。
2.节省手动部署的麻烦。但是，如果您熟悉部署数据库，也可以设置诸如Oracle或SQL Server之类的数据库。（但是，我建议xiaobai“只是使用它”。
3.快速真实的 - 时间计算。数据分析实时互动，完全满足管理决策中的临时分析 - 制定，业务需求的变化以及频繁的结果刷新。
4. Cube无需通过自动配备的内存计算引擎提前建立立方体。IT部门将告别报告延迟报告分析以及1亿级数据响应。
嵌入式MySQL数据库可靠
云手表不仅是办公软件，而且是开发工具。
通过它，您将解决以下问题：
复杂的数据操作，准确地对排名的权限和控制以及工作流程，大量用户，数据透视，生产清单，谈判合同和其他形式（例如生产表格，一种生产），您可以重复它...
您还可以与电子设备，地板等连接，与Ufida的三方系统集成，生成条形码，扫描代码到仓库中，并生成一个移动应用程序...基本上是业务的功能，您，您，您可以放心地做到这一点。
最大的亮点是您可以使用Excel来开发业务应用程序。
此外，在视觉阻力之后，开发的ERP，WMS，OA，输入和销售以及其他业务应用程序也已遵守MySQL数据库的功能特性，以增加删除和检查。
没错，使用云表开发的业务应用程序允许二级开发，并且可以随时添加函数以删除和修改，以轻松满足组的精致数据控制需求。
但是，每个人都应该最关心数据安全。
云手表中存储的MySQL数据库是安全的，不会丢失。它提供了多种数据存储方法。本地部署，云部署，混合部署，Ren Jun选择！
因此，大型团体，例如亨吉·吉电气，航空工程委员会，中国铁路，中国冶金学和云南的小组，鼓励内部员工学习云监视。
长度有限，只有在这里，您看不到太多。
免费软采购方法如下：
可以大量使用数据库。它不仅可以实现数据共享，减少数据冗余，而且还可以实现对数据的集中控制，保持数据的一致性和维护。选择一个简单而简单的数据库，您是否有任何好的建议，让我们看看它呢
主题强调简单易用。因此，建议提出三个最简单的建议。
1.Access。
2.Excel。
3.飞行图书文件，腾讯文件，石墨文件等。
如果您想进行分析，则数据量相对较大。建议更专业。也有许多在线教程，这更容易学习。建议使用较早版本（例如2003或2007年），近年来一直想从办公室删除，但是那里仍然有很多人，所以我不敢将其删除，但是采用一种更令人作呕的方法来使用户放弃，也就是说，即，肯定是发布新版本的时间删除，因此访问越早，功能越强。
另一个建议是SQL Server Express版本。
这必须与您的实际情况结合确定。如果您有计算机基础，则可以使用一些数据库，可以在市场上使用该软件。通常使用。Oracle，SQLServer，MySQL等；如果根本没有基础，但是如果您想分析数据，则可以使用Microsoft随附的访问权限，这更快。确定使用了哪个访问权限后，您仍然必须购买一些教科书。简单的SQL查询必须能够在熟练后提高工作效率。
如果您使用数据库，则只有没有分析的数据，而SQLITE就足够了。
大数据分析工具是更好的Python数据分析，DATAV数据分析，Cloudera数据分析，MongoDBMongODB数据分析，TALEND数据分析等。
1. Python数据分析
Python是一种面向对象的计算机程序设计语言。Python语法简单明了。阅读良好的Python程序感觉就像是阅读英语。能够专注于解决问题而不是理解语言本身。加上丰富而强大的库，Python可以支持几乎所有的统计分析和建模工作。
2. DATAV数据分析
DATAV数据可视化是一种使用可视化的大屏幕来分析和显示其他数据的产品。Datav旨在允许更多的人看到数据可视化的魅力，并帮助非专业工程师轻松地通过图形接口来构建专业级别的视觉应用程序，以满足满足您的会议展览，业务监控，风险预警，地理信息分析和其他业务。
3. Cloudra数据分析
Cloudera实际上添加了一些额外的Hadoop，这是非常需要的，因为大数据不容易做到。Cloudera的服务团队不仅可以帮助构建大数据集群，而且还可以帮助培训员工更好地访问数据。
4. MongodBmongODB数据分析
MongodbmongoDB是最受欢迎的大数据库，因为它适用于管理数据：非结构性数据，大数据通常是非结构化的数据。当前的ERA大数据分析非常必要，而MongoDBmongoDB数据分析也非常好。
5. TAL数据分析
Talend是一家提供各种解决方案的公司。Talend产品是围绕其集成平台建造的。该平台集成了大数据，云，应用程序，真实时间数据集成，数据准备和主要数据管理。BIG数据集通常是非结构性的且无组织的，因此需要某种清洁或转换。从任何地方。
通常，数据库分为关系数据库和非关联数据库。关系数据库的优点也无法替代。这些数据库支持复杂的SQL操作和交易机制，这些机制适用于少量的数据读取和写作方案；但是在大数据时代，物联网添加的更多数据和数据超出了关系数据库的范围。
在大数据时代的早期，随着数据请求量的继续增加，群集同步数据通常使用。它是将数据库分为许多小型库。每个数据库的数据内容不变。它是源数据库数据的副本。通过同步或异步方式确保数据的一致性。每个库都设置为设置特定的读写方法。扩展程度等，在物理级别将业务分开，但是该方法仍然具有一定程度的负载压力。公司数据正在不断扩展，后续表由拆分表求解。写入负载是分开的，但是此实现仍然没有足够的实现，并且需要数据库服务器扩展。
NOSQL数据库大致分为5种类型
1.行数据库：Bigtable，HBase，Cassandra，Amazon SimpledB，HadoopDB等。
（1）Cassandra：Cassandra是一个列存储数据库，该数据库支持交叉-DATA中心的数据复制。ITS数据模型提供列索引，对数结构化的修改，支持反标准化，实质性视图和嵌入式超高速度速度。
（2）HBASE：Apache HBase从Google的Bigtable派生，该bigtable是开源，分布式和列表的模型。在Hadoop和HDF上使用BigTable的功能。
（3）Amazon SimpleDB：Amazon SimpleDB是一个非相关数据存储，删除数据库管理工作。开发人员使用Web服务请求存储和查询数据项
（4）Apache Accumulo：基于基于Google的Bigtable设计的有序的，有序的分布式钥匙值数据存储，建立在Apache Hadoop，Zookeeper和Thrift技术的基础上。
（5）hypertable：hypertable是一个开源，可伸缩的数据库，模仿笨拙并支持碎片。
（6）Azure表：Windows Azure表存储服务为需要大量非结构数据存储的应用程序提供NOSQL性能。该表可以自动扩展到结核级，并通过REST和托管API访问它。
2.键 - 值数据库：redis，simpledb，scalaris，memcached等。
（1）RIAK：RIAK是开源，分布式键值数据库，支持数据复制和容忍度。（2）REDIS：REDIS：REDIS是一个开源密钥存储。支持支撑mainstay复制，交易，pub/sub，lua脚本和LUA脚本和LUA脚本和还支持键的时间限制。
（3）Dynamo：Dynamo是一个钥匙值分布式数据存储。它由Amazon Dynamo数据库直接实现；它用于亚马逊S3产品。
（4）Oracle NOSQL数据库：来自Oracle的密钥值NOSQL数据库。它支持酸（原子，一致性，耐用性和独立性）和JSON。
（5）Oracle NOSQL数据库：带有数据备份和分布式键值存储系统。
（6）Voldemort：带有数据备份和分布式密钥存储系统。
（7）Aerospike：Aerospike数据库是支持混合内存体系结构的钥匙值存储。
3.文档数据库：MongoDB，Couchdb，Perservere，Terrastore，Ravendb等。
（1）MongoDB：开源，导向文档和最流行的NOSQL数据库。
（2）CountchDB：Apache Countchdb是使用JSON的文档数据库，使用JavaScript作为MapReduce查询，使用HTTP的API。
（3）Couchbase：NOSQL文档数据库基于JSON模型。
（4）Ravendb：Ravendb是基于.NET语言的面向文档的数据库。
（5）MarkLogic：MarkLogic NOSQL数据库用于存储基于XML的信息和以文档为中心的信息，以支持灵活的模型。
4.图数据库：Neo4J，Infogrid，OrientDB，GraphDB，让我们简要介绍一些
（1）neo4j：neo4j是一个图数据库；支持酸性交易（原子能，独立性，耐用性和一致性）。
（2）InfiniteGraph：使用图数据库来维持对象和遍历之间的关系，支持分布式数据存储。
（3）寓言术：围栏使用内存和磁盘来提供高可扩展性，并支持SPARQ，RDFS ++和PROLOG RASON。
5.内存数据网格：Hazelcast，Oracle Coohrence，Terracotta Bigmorry，Gemfire，Infinispan，Gridgain，Gigaspaces，简要介绍下面的一些介绍，以介绍一些介绍。
（1）Hazelcast：Hazelcast CE是一个开源数据分发平台，允许开发人员在数据库群集上共享和分割数据。
（2）Oracle Cooherence：Oracle的内存数据网格解决方案提供了常见数据的快速访问功能，一致的支持支持交易处理功能和数据动态除法。
（3）Terracotta BigMemory：Terracotta的分布式内存管理解决方案。该产品包括Ehcache接口，Terracotta Management Console和BigMemory-Hadoop连接器。
（4）Gemfire：VMware VFABRIC GEMFIRE是一个分布式数据管理平台和一个分布式数据网格平台，该平台支持内存数据管理，复制，部门，数据识别路由和连续查询。
（5）Infinispan：Infinispan是一种基于Java的开源钥匙值NOSQL数据存储以及分布式数据节点平台，支持交易，点对点和客户端/服务器架构。
（6）Gridgain：分布式，面向对象，基于内存的，SQL+NOSQL键值数据库。支持酸交易。
（7）GIGASPACES：GIGASPACES内存数据网格可以充当应用程序的记录系统，并支持各种高速缓存方案。
常见数据处理软件包括Apache Hive，SPSS，Excel，Apache Spark，Jaspersoft BI套件。
1. Apache Hive
Hive是建立在Hadoop上的开源数据仓库基础架构。通过Hive，可以轻松地处理数据的ETL，并且可以构造数据结构化，并且在Hadoop上进行了查询和处理。使用SQL语言。
2. SPSS
Windows软件的SPSS分为几个功能模块。您可以根据自己的分析灵活选择，并且计算机的实际配置。SPSS更适合初学者，熟练和熟练。他们中的大多数都喜欢SPS。
3. Excel
Excel可以执行各种数据处理，统计分析和辅助决策 - 制定操作，并在许多领域中广泛使用，例如管理，统计，金融和金融。Excel也提供了更简单的高级查询功能，并且更简单，并且提供了更简单的问题。自动摘要功能简单且灵活。高级数学计算时，Excel仅轻松使用一个或两个功能。
4. Apache Spark
Apache Spark是Hadoop开源生态系统的新成员。它提供了比Hive更快的查询引擎处理，实时查询和机器学习。
5. jaspersoft bi套件
Jaspersoft软件包是通过数据库列出的开源软件。工业领导者发现Jaspersoft软件是第一类。许多公司都使用它将SQL表转换为PDF，该表使每个人都可以在会议上进行审查。此外，JasperReports提供了一个连接的配置单元来替换HBASE。
数据分析和处理方法：
收藏
在收集大数据的过程中，其主要特征和挑战平行很高，因为可能有成千上万的用户可以访问和运营，例如火车票票务销售网站和淘宝。当峰值价值达到100万时，它是在集合端部署大量数据库以支持所需的必要条件。
以及如何在这些数据库之间进行负载平衡和碎片确实需要彻底思考和设计。
统计分析
统计和分析主要使用分布式数据库或分布式计算簇来进行一般分析和分类摘要，以满足其中存储的大量数据以满足最常见的分析需求。在这方面，某些真实的时间需要Willemc的绿色，Oracle的Exadata以及基于MySQL的存储的Infobright。
某些批处理处理或半结构数据的需求可以使用Hadoop。统计和分析的主要特征和挑战是涉及的大量数据，其系统资源，尤其是I/O，将具有很大的职业。
导入/预处理
尽管该集合端将有很多数据库，但是如果您想有效地分析这些大量数据，则仍应从前端导入这些数据到集中式的大型分布式数据库或分布式存储群集，并且可以导入基础基础。进行一些简单的清洁和预处理工作。
还有一些用户使用Twitter的Storm执行流数据以满足某些业务的真实计算要求。简介和预处理过程的特征和挑战主要是导入的数据。每秒进口量通常达到100m，甚至千兆位水平。
目前，市场上的主要常用数据库根据数据库应用程序的类型而不同。，InfluxDB，rrdtool，Graphite和其他数据库也更为常见。有关其他类型的数据库，请参阅http://db-engines.com/en/ranking网站排名。
在国内数据库领域，亚洲技术ANTDB数据库为该国核心系统中24个省的10亿用户提供在线服务。现在，它被广泛用于多个行业，例如通信，运输，金融，能源和邮政。