隨著互聯(lián)網(wǎng)的不斷發(fā)展，大數(shù)據(jù)分析與應(yīng)用在各個(gè)領(lǐng)域的表現(xiàn)都是有目共睹的。今天，我們就通過(guò)案例分析來(lái)簡(jiǎn)單來(lái)了解和學(xué)習(xí)一下，大數(shù)據(jù)分析的應(yīng)用領(lǐng)域和前景。

對(duì)于很多需要提供24小時(shí)不間斷服務(wù)的網(wǎng)站來(lái)說(shuō)，對(duì)數(shù)據(jù)庫(kù)系統(tǒng)進(jìn)行升級(jí)和擴(kuò)展是非常痛苦的事情，往往需要停機(jī)維護(hù)和數(shù)據(jù)遷移，除了這些，大數(shù)據(jù)平臺(tái)對(duì)傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)提出了更多的挑戰(zhàn)，包括：高性能的事務(wù)管理性要求、讀寫實(shí)時(shí)性要求、高可用性要求。因此，在大數(shù)據(jù)平臺(tái)的建設(shè)中，關(guān)系型數(shù)據(jù)庫(kù)的很多特性失去了用武之地，非關(guān)系型數(shù)據(jù)庫(kù)(NoSQL)成為大數(shù)據(jù)平臺(tái)的標(biāo)配。

在本次調(diào)研中，我們列出了目前相對(duì)常見的幾類非關(guān)系型數(shù)據(jù)庫(kù)產(chǎn)品，希望對(duì)幾款產(chǎn)品的市場(chǎng)接受度加以了解：

32%的受訪者應(yīng)用了MangoDB數(shù)據(jù)庫(kù)，使用為廣泛：Mongo大的特點(diǎn)是支持的查詢語(yǔ)言非常強(qiáng)大，語(yǔ)法類似于面向?qū)ο蟮牟樵冋Z(yǔ)言，可以實(shí)現(xiàn)類似關(guān)系數(shù)據(jù)庫(kù)單表查詢的大部分功能，而且還支持對(duì)數(shù)據(jù)建立索引。MongoDB主要解決的是海量數(shù)據(jù)的訪問(wèn)效率問(wèn)題，當(dāng)數(shù)據(jù)量達(dá)到50GB以上的時(shí)候，Mongo的數(shù)據(jù)庫(kù)訪問(wèn)速度是MySQL的10倍以上，這也是MongoDB廣受青睞的主要原因。

其次為Hbase、Hive、Redis等幾類，均在22%左右：Hive與HBase都是基于Hadoop平臺(tái)的數(shù)據(jù)倉(cāng)庫(kù)工具，其優(yōu)點(diǎn)是學(xué)習(xí)成本低，可以通過(guò)類SQL語(yǔ)句快速實(shí)現(xiàn)簡(jiǎn)單的MapReduce統(tǒng)計(jì)，不必開發(fā)專門的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉(cāng)庫(kù)的統(tǒng)計(jì)分析。

Spark緊隨其后，占比17%：Spark 是一種與 Hadoop 相似的開源集群計(jì)算環(huán)境，擁有Hadoop MapReduce所具有的優(yōu)點(diǎn);但不同于MapReduce的是——Job中間輸出結(jié)果可以保存在內(nèi)存中，從而不再需要讀寫HDFS，因此Spark能更好地適用于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等需要迭代的MapReduce的算法。

此外，在其他選項(xiàng)的答案中也出現(xiàn)了DB2、阿里大數(shù)據(jù)云等產(chǎn)品。