㈠ 資料庫技術的發展趨勢
資料庫技術的發展趨勢:
根據資料庫應用及多家分析機構的評估，資料庫技術發展將以應用為導向，面向業務服務，並與計算機網路和人工智慧等技術結合，為新型應用提供多種支持。
（1）雲資料庫和混合數據快速發展
雲資料庫（Cloud Database）簡慧念耐稱為雲庫， 是在雲計算環境中部署和虛擬化的資料庫。將各種關系型資料庫看成一系列簡單的二維表，並基於簡化版本的sql或訪問對象進行操高雀作。使傳統關系型資料庫通過提交一個有效地鏈接字元串即可加入雲資料庫，雲資料庫可解決數據集中更廣泛的異地資源共享問題。
（2）數據集成與數據倉庫
數據倉庫（Data Warehouse）是前春面向主題、集成、相對穩定、反映歷史變化的數據集合，是決策支持系統和聯機分析應用數據源的結構化數據環境。主要側重對機構歷史數據的綜合分析利用，找出對企業發展有價值的信息，以提供決策支持，幫助提高效益。其特徵是面向主題、集成性、穩定性和時變性。新一代資料庫使數據集成和數據倉庫的實施更簡單。數據應用逐步過渡到數據服務，開始注重處理：關系型與非關系型數據的融合、分類、國際化多語言數據。
（3）主數據管理和商務智能
在企事業機構內部業務應用整合和系統互聯中，許多機構具有相同業務語義的數據被多次反復定義和存儲，導致數據大量冗餘成為IT環境發展的障礙，為了有效使用和管理這些數據，主數據管理已經成為一個新的熱點。
商務智能（Business Intelligence）是指利用數據倉庫及數據挖掘技術對業務數據分析處理並提供決策信息和報告，促進企業利用現代信息技術收集、管理和分析商務數據，改善決策水平，提升績效，增強綜合競爭力的智慧和能力。是企業利用現代信息技術收集、管理和分析商務數據和信息，創造和累計商務知識和見解，改善商務決策水平，採取有效的商務行動，完善各種商務流程，提升各方面商務績效，增強綜合競爭力的智慧和能力。融合了先進信息技術與創新管理理念的結合體，集成企業內外的數據，加工並從中提取能夠創造商業價值的信息，面向企業戰略並服務於管理層。
（4）「大數據」促進新型資料庫
進入「大數據時代」，大數據量、高並發、分布式和實時性的需求，由於傳統的資料庫技術的數據模型和預定義的操作模式，時常難以滿足實際需求，致使新型資料庫在大數據的場景下，將取代傳統資料庫成為主導。
（5）基於網路的自動化管理
網路資料庫應用系統的廣泛應用，使資料庫管理更加自動化。如網購、網銀等系統，從企業級Enterprise-class到世界級World-class的轉變，提供更多基於Internet環境的管理工具，完成資料庫管理網路化。應用程序編程介面API(Application ProgrammingInterface)更開放，基於瀏覽器端技術的管理套件，便於分布遠程管理。
（6）PHP將促進資料庫產品應用
隨著新一代Web技術的廣泛應用，在.NET和Java成為數據應用的主體開發平台後，很多廠商為了爭取市場在新版本資料庫產品推出後，提供面向超級文本預處理語言PHP（Hypertext Preprocessor）的專用驅動和應用。
（7）資料庫將與業務語義的數據內容融合
資料庫將更廣泛地為用於「信息服務」。對新一代基於AJAX、MashUp、SNS等技術的創新應用，數據從集中於邏輯中心資料庫，改為分布網路，為了給予技術支持，數據聚集及基於業務語義的數據內容融合也成為資料庫發展的方向，不僅在商務智能領域不斷加強對服務應用的支持，而且注重加強數據集成服務。
㈡ 怎樣將關系型數據表轉換至hbase數據表
首先需要把關系型資料庫的數據表的數據增加由 「縱向延伸」，轉變為HBase數據表的「橫向延伸」
一、Hbase的存儲結構
a) HBase以表（HTable）的形式存儲數據
b) HTable包括很多行，每行通過RowKey唯一標記，行按照RowKey的字典序排列，表在行的方向上分割為多個HRegion
c) 每行包括一個RowKey和多個Column Family，數據按照Column Family進行物理切割，即不同Column Family的數據放在不同的Store中，一個Column Family放在一個Strore中
d) HRegion由多個Store組成。一個Store由物理上存在的一個MemStrore（內存中）和多個StoreFile（HFile）中
二、設計原則：
(1)rowkey
a) rowkey是hbase的key-value存儲中的key，通常使用用戶要查詢的欄位作為rowkey ，查詢結果作為value ，HBase中RowKey是按照字典序排列的
(2)Column Family的設計需遵循：
a) 不同Column Family的數據，在物理上是分開的，盡量避免一次請求需要拿到的Column分布在不同的Column Family中;
b) CF的數量盡量要少，原因是過多的columnfamily之間會互相影響
(3) column
對於column需要擴展的應用，column可以按普通的方式設計，但是對於列相對固定的應用，最好採用將一行記錄封裝到一個column中的方式，這樣能夠節省存儲空間。封裝的方式推薦protocolbuffer。
㈢ 大數據的分布式資料庫的發展趨勢如何
現在大數據是一個十分火熱的技術，這也使得很多人都開始關注大數據的任何動態，因為大數據在某種程度上來說能夠影響我們的生活。在這篇文章中我們就給大家介紹一下大數據的分布式資料庫的發展趨勢，希望這篇文章能夠幫助大家更好理解大數據的分布式資料庫的發展趨勢。
其實不論是Hadoop還是分布式資料庫，技術體繫上兩者都已經向著計算存儲層分離的方式演進。對於Hadoop來說這一趨勢非常明顯，HDFS存儲與YARN調度計算的分離，使得計算與存儲均可以按需橫向擴展。而分布式資料庫近年來也在遵循類似的趨勢，很多資料庫已經將底層存儲與上層的SQL引擎進行剝離。傳統的XML資料庫、OO資料庫、與pre-RDBMS正在消亡；新興領域文檔類資料庫、圖資料庫、Table-Style資料庫與Multi-Model資料庫正在擴大自身影響；傳統關系型資料庫、列存儲資料庫、內存分析型資料庫正在考慮轉型。可以看到，從技術完整性與成熟度來看，Hadoop確實還處於相對早期的形態。直到今天，很多技術在很多企業應用中需要大量的手工調優才能夠勉強運行。同時，Hadoop的主要應用場景一直以來面向批處理分析型業務，傳統資料庫在線聯機處理部分不是其主要的發展方向。同時Hadoop技術由於開源生態體系過於龐大，同時參與改造的廠商太多，使得用戶很難完全熟悉整個體系，這一方面大大增加了開發的復雜度，提升了用戶使用的難度，另一方面則是各個廠商之間維護不同版本，使得產品的發展方向可能與開源版本差別逐漸加大。
而分布式資料庫領域經歷了幾十年的磨練，傳統RDBMS的MPP技術早已經爐火純青，在分類眾多的分布式資料庫中，其主要發展方向基本可以分為「分布式聯機資料庫」與「分布式分析型資料庫」兩種。對比Hadoop與分布式資料庫可以看出，Hadoop的產品發展方向定位，與分布式資料庫中列存儲資料庫相當重疊而在高並發聯機交易場景，在Hadoop中除了HBase能夠勉強沾邊以外，分布式資料庫則占據絕對的優勢。目前，從Hadoop行業的發展來看，很多廠商而是將其定位改變為數據科學與機器學習服務商。因此，從商業模式上看以Hadoop分銷的商業模式基本已經宣告結束，用戶已經體驗到維護整個Hadoop平台的困難而不願被強迫購買整個平台。大量用戶更願意把原來Hadoop的部件拆開靈活使用，為使用場景和結果買單，而非平台本身買單。另外一個細分市場——非結構化小文件存儲，一直以來都是對象存儲、塊存儲，與分布式文件系統的主戰場。如今，一些新一代資料庫也開始進入該領域，可以預見在未來的幾年中，小型非結構化文件存儲也可能成為具備多模數據處理能力的分布式資料庫的戰場之一。
我們在這篇文章中給大家介紹了很多有關大數據分布資料庫的發展前景，通過這篇文章我們不難發現資料庫的發展是一個極其重要的內容，只有搭建分布式資料庫，大數據才能夠更好地為我們服務。
㈣ 資料庫經過哪三個階段
一、 資料庫的發展：資料庫的發展經歷了三個階段：
1、 層次型和網狀型：
代表產品是1969年IBM公司研製的層次模型資料庫管理系統IMS。
2、 關系型數據型庫：
目前大部分資料庫採用的是關系型資料庫。1970年IBM公司的研究員E．F．Codd提出了關系模型。其代表產品為sysem R和Inges。
3、 第三代資料庫將為更加豐富的數據模型和更強大的數據管理功能為特徵，以提供傳統資料庫系統難以支持的新應用。它必須支持面向對象，具有開放性，能夠在多個平台上使用。
二、 資料庫技術的發展趨勢：
1、 面向對象的方法和技術對資料庫發展的影響：
資料庫研究人員借鑒和吸收了面向對旬的方法和技術，提出了面向對象數據模型。
2、 資料庫技術與多學科技術的有機組合：
3、 面向專門應用領域的資料庫技術
㈤ 資料庫的問題：關系型資料庫與非關系型資料庫的區別，和各自的發展前景
關系型資料庫與非關系型資料庫的區別
非關系型資料庫的優勢：
1. 性能
NOSQL是基於鍵值對的，可以想像成表中的主鍵和值的對應關系，而且不需要經過SQL層的解析，所以性能非常高。
2. 可擴展性
同樣也是因為基於鍵值對，數據之間沒有耦合性，所以非常容易水平擴展。
關系型資料庫的優勢：
1. 復雜查詢
可以用SQL語句方便的在一個表以及多個表之間做非常復雜的數據查詢。
2. 事簡掘談務支持
使得對於安全性能很高的數據訪問要求得以實現。
對於這兩類數散爛據庫，對方的優勢就是自己的弱勢，反之亦然。
但是近年來這兩攔碰種資料庫都在向著另外一個方向進化。例如：
NOSQL資料庫慢慢開始具備SQL資料庫的一些復雜查詢功能的雛形，比如Couchbase的index以及MONGO的復雜查詢。對於事務的支持也可以用一些系統級的原子操作來實現例如樂觀鎖之類的方法來曲線救國。
SQL資料庫也開始慢慢進化，比如HandlerSocker技術的實現，可以在MYSQL上實現對於SQL層的穿透，用NOSQL的方式訪問資料庫，性能可以上可以達到甚至超越NOSQL資料庫。可擴展性上例如Percona Server，可以實現無中心化的集群。
雖然這兩極都因為各自的弱勢而開始進化出另一極的一些特性，但是這些特性的增加也會消弱其本來具備的優勢，比如Couchbase上的index的增加會逐步降低資料庫的讀寫性能。所以怎樣構建系統的短期和長期存儲策略，用好他們各自的強項是架構師需要好好考慮的重要問題。
㈥ 雲存儲的發展趨勢
雲存儲已經成為未來存儲發展的一種趨勢。但隨著雲存儲技術的發展，各類搜索、應用技術和雲存儲相結合的應用，還需從安全性、便攜性及數據訪問等角度進行改進。（1）安全性從雲計算誕生，安全性一直是企業實施雲計算首要考慮的問題之一。同樣在雲存儲方面，安全仍是首要考慮的問題，對於想要進行雲存儲的客戶來說，安全性通常是首要的商業考慮和技術考慮。但是許多用戶對雲存儲的安全要求甚至高於它們自己的架構所能提供的安全水平。即便如此，面對如此高的不現實的安全要求，許多大型、可信賴的雲存儲廠商也在努力滿足它們的要求，構建比多數企業數據中心安全得多的數據中心。用戶可以發現，雲存儲具有更少的安全漏洞和更高的安全環節，雲存儲所能提供的安全性水平要比用戶自己的數據中心所能提供的安全水平還要高。（2）便攜性一些用戶在託管存儲的時候還要考慮數據的便攜性。一般情況下這是有保證的，一些大型服務提供商所提供的解決方案承諾其數據便攜性可媲美最好的傳統本地存儲。有的雲存儲結合了強大的便攜功能，可以將整個數據集傳送到你所選擇的任何媒介，甚至是專門的存儲設備。（3）性能和可用性過去的一些託管存儲和遠程存儲總是存在著延遲時間過長的問題。同樣地，互聯網本身的特性就嚴重威脅服務的可用性。最新一代雲存儲有突破性的成就，體現在客戶端或本地設備高速緩存上，將經常使用的數據保持在本地，從而有效地緩解互聯網延遲問題。通過本地高速緩存，即使面臨最嚴重的網路中斷，這些設備也可以緩解延遲性問題。這些設備還可以讓經常使用的數據像本地存儲那樣快速反應。通過一個本地NAS網關，雲存儲甚至可以模仿終端NAS設備的可用性、性能和可視性，同時將數據予以遠程保護。隨著雲存儲技術的不斷發展，各廠商仍將繼續努力實現容量優化和WAN（廣域網）優化，從而盡量減少數據傳輸的延遲性。（4）數據訪問現有對雲存儲技術的疑慮還在於，如果執行大規模數據請求或數據恢復操作，那麼雲存儲是否可提供足夠的訪問性。在未來的技術條件下，此點大可不必擔心，現有的廠商可以將大量數據傳輸到任何類型的媒介，可將數據直接傳送給企業，且其速度之快相當於復制、粘貼操作。另外，雲存儲廠商還可以提供一套組件，在完全本地化的系統上模仿雲地址，讓本地NAS網關設備繼續正常運行而無需重新設置。未來，如果大型廠商構建了更多的地區性設施，那麼數據傳輸將更加迅捷。如此一來，即便是客戶本地數據發生了災難性的損失，雲存儲廠商也可以將數據重新快速傳輸給客戶數據中心。 雲計算和物聯網之間的關系可以用一個形象的比喻來說明：「雲計算」是「互聯網中的神經系統的雛形，「物聯網」是「互聯網」正在出現的末梢神經系統的萌芽。
「物聯網就是物物相連的互聯網」。這有兩層意思：第一，物聯網的核心和基礎仍然是互聯網，是在互聯網基礎上的延伸和擴展的網路；第二，其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信。
物聯網的兩種業務模式：
1．MAI（M2M Application Integration), 內部MaaS；
2．MaaS（M2M As A Service), MMO, Multi-Tenants(多租戶模型）。
隨著物聯網業務量的增加，對數據存儲和計算量的需求將帶來對「雲計算」能力的要求：
1．雲計算：從計算中心到數據中心在物聯網的初級階段，PoP即可滿足需求；
2．在物聯網高級階段，可能出現MVNO/MMO營運商（國外已存在多年），需要虛擬化雲計算技術，SOA等技術的結合實現互聯網的泛在服務：TaaS （everyTHING As A Service)。 雲安全(Cloud Security)是一個從「雲計算」演變而來的新名詞。雲安全的策略構想是：使用者越多，每個使用者就越安全，因為如此龐大的用戶群，足以覆蓋互聯網的每個角落，只要某個網站被掛馬或某個新木馬病毒出現，就會立刻被截獲。
「雲安全」通過網狀的大量客戶端對網路中軟體行為的異常監測，獲取互聯網中木馬、惡意程序的最新信息，推送到Server端進行自動分析和處理，再把病毒和木馬的解決方案分發到每一個客戶端。 私有雲（Private Cloud）是將雲基礎設施與軟硬體資源創建在防火牆內，以供機構或企業內各部門共享數據中心內的資源。 創建私有雲，除了硬體資源外，一般還有雲設備（IaaS）軟體；現時商業軟體有VMware的 vSphere 和Platform Computing 的ISF， 開放源代碼的雲設備軟體主要有Eucalyptus和OpenStack。至2013年可以提供私有雲的平台有：Eucalyptus、3A Cloud、minicloud安全辦公私有雲、聯想網盤和OATOS企業網盤等。
雲創存儲推出minicloud安全辦公私有雲，用最少的成本為企業部署雲存儲以及企業辦公應用軟體，為企業打造安全的辦公環境。在滿足企業辦公需求的基礎上，大幅度降低了企業IT建設的門檻與風險,並同時全面保障企業數據安全。
私有雲計算同樣包含雲硬體、雲平台、雲服務三個層次。不同的是，雲硬體是用戶自己的個人電腦或伺服器，而非雲計算廠商的數據中心。雲計算廠商構建數據中心的目的是為千百萬用戶提供公共雲服務，因此需要擁有幾十上百萬台伺服器。私有雲計算，對個人來說只服務於親朋好友，對企業來說只服務於本企業員工以及本企業的客戶和供應商，因此個人或企業自己的個人電腦或伺服器已經足夠用來提供雲服務。 雲會議是基於雲計算技術的一種高效、便捷、低成本的會議形式。使用者只需要通過互聯網界面，進行簡單易用的操作，便可快速高效地與全球各地團隊及客戶同步分享語音、數據文件及視頻，而會議中數據的傳輸、處理等復雜技術由雲會議服務商幫助使用者進行操作。
目前國內雲會議主要集中在以SAAS（軟體即服務）模式為主體的服務內容，包括電話、網路、視頻等服務形式，基於雲計算的視頻會議就叫雲會議。雲會議是視頻會議與雲計算的完美結合，帶來了最便捷的遠程會議體驗。及時語移動雲電話會議，是雲計算技術與移動互聯網技術的完美融合，通過移動終端進行簡單的操作，提供隨時隨地高效地召集和管理會議。 雲社交（CloudSocial）是一種物聯網、雲計算和移動互聯網交互應用的虛擬社交應用模式，以建立著名的「資源分享關系圖譜」為目的，進而開展網路社交，雲社交的主要特徵，就是把大量的社會資源統一整合和評測，構成一個資源有效池向用戶按需提供服務。參與分享的用戶越多，能夠創造的利用價值就越大。
雲計算系統
㈦ 資料庫的問題：關系型資料庫與非關系型資料庫的區別，和各自的發展前景
當前主流的關系型資料庫有Oracle、DB2、Microsoft SQL Server、Microsoft Access、MySQL等。
非關系型資料庫有 NoSql、Cloudant。
nosql和關系型資料庫比較
優點：
1）成本：nosql資料庫簡單易部署，基本都是開源軟體，不需要像使用oracle那樣花費大量成本購買使用，相比關系型資料庫價格便宜。
2）查詢速度：nosql資料庫將數據存儲於緩存之中，關系型資料庫將數據存儲在硬碟中，自然查詢速度遠不及nosql資料庫。
3）存儲數據的格式：nosql的存儲格式是key,value形式、文檔形式、圖片形式等等，所以可以存儲基礎類型以及對象或者是集合等各種格式，而資料庫則只支持基礎類型。
4）擴展性：關系型資料庫有類似join這樣的多表查詢機制的限制導致擴展很艱難。
缺點：
1）維護的工具和資料有限，因為nosql是屬於新的技術，不能和關系型資料庫10幾年的技術同日而語。
2）不提供對sql的支持，如果不支持sql這樣的工業標准，將產生一定用戶的學習和使用成本。
3）不提供關系型資料庫對事物的處理。
關系型資料庫的最大特點就是事務的一致性：傳統的關系型資料庫讀寫操作都是事務的，具有ACID的特點，這個特性使得關系型資料庫可以用於幾乎所有對一致性有要求的系統中，如典型的銀行系統。
關系型資料庫為了維護一致性所付出的巨大代價就是其讀寫性能比較差，而像微博、facebook這類SNS的應用，對並發讀寫能力要求極高，關系型資料庫已經無法應付(在讀方面，傳統上為了克服關系型資料庫缺陷，提高性能，都是增加一級memcache來靜態化網頁，而在SNS中，變化太快，memchache已經無能為力了)，因此，必須用新的一種數據結構存儲來代替關系資料庫。
關系資料庫的另一個特點就是其具有固定的表結構，因此，其擴展性極差，而在SNS中，系統的升級，功能的增加，往往意味著數據結構巨大變動，這一點關系型資料庫也難以應付，需要新的結構化數據存儲。
於是，非關系型資料庫應運而生，由於不可能用一種數據結構化存儲應付所有的新的需求，因此，非關系型資料庫嚴格上不是一種資料庫，應該是一種數據結構化存儲方法的集合。
㈧ 傳統的關系型資料庫面臨的挑戰有哪些
挑戰一：數據來源錯綜復雜
豐富的數據源是大數據產業發展的前提。而我國數字化的數據資源總量遠遠低於美歐，每年新增數據量僅為美國的7%，歐洲的12%，其中政府和製造業的數據資源積累遠遠落後於國頌毀外。就已有有限的數據資源來說，還存在標准化、准確性、完整性低，利用價值不高的情況，這大大降低了數據的價值
挑戰二：數據挖掘分析模型建立
步入大數據時代，人們紛紛在談論大數據，似乎這已經演化為新的潮流趨勢。數據比以往任何時候都更加根植於我們生活中的每個角落。我們試圖用數據去解決問題、改善福利，並且促成新的經濟繁薯櫻念榮
挑戰三：數據開數困放與隱私的權衡
數據應用的前提是數據開放，這已經是共識。有專業人士指出，中國人口居世界首位，但2010年中國新存儲的數據為250PB，僅為日本的60%和北美的7%。目前我國一些部門和機構擁有大量數據但寧願自己不用也不願提供給有關部門共享，導致信息不完整或重復投資。2012年中國的數據存儲量達到64EB，其中55%的數據需要一定程度的保護，然而目前只有不到一半的數據得到保護