㈠ 数据库技术的发展趋势
数据库技术的发展趋势:
根据数据库应用及多家分析机构的评估，数据库技术发展将以应用为导向，面向业务服务，并与计算机网络和人工智能等技术结合，为新型应用提供多种支持。
（1）云数据库和混合数据快速发展
云数据库（Cloud Database）简慧念耐称为云库， 是在云计算环境中部署和虚拟化的数据库。将各种关系型数据库看成一系列简单的二维表，并基于简化版本的sql或访问对象进行操高雀作。使传统关系型数据库通过提交一个有效地链接字符串即可加入云数据库，云数据库可解决数据集中更广泛的异地资源共享问题。
（2）数据集成与数据仓库
数据仓库（Data Warehouse）是前春面向主题、集成、相对稳定、反映历史变化的数据集合，是决策支持系统和联机分析应用数据源的结构化数据环境。主要侧重对机构历史数据的综合分析利用，找出对企业发展有价值的信息，以提供决策支持，帮助提高效益。其特征是面向主题、集成性、稳定性和时变性。新一代数据库使数据集成和数据仓库的实施更简单。数据应用逐步过渡到数据服务，开始注重处理：关系型与非关系型数据的融合、分类、国际化多语言数据。
（3）主数据管理和商务智能
在企事业机构内部业务应用整合和系统互联中，许多机构具有相同业务语义的数据被多次反复定义和存储，导致数据大量冗余成为IT环境发展的障碍，为了有效使用和管理这些数据，主数据管理已经成为一个新的热点。
商务智能（Business Intelligence）是指利用数据仓库及数据挖掘技术对业务数据分析处理并提供决策信息和报告，促进企业利用现代信息技术收集、管理和分析商务数据，改善决策水平，提升绩效，增强综合竞争力的智慧和能力。是企业利用现代信息技术收集、管理和分析商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。融合了先进信息技术与创新管理理念的结合体，集成企业内外的数据，加工并从中提取能够创造商业价值的信息，面向企业战略并服务于管理层。
（4）“大数据”促进新型数据库
进入“大数据时代”，大数据量、高并发、分布式和实时性的需求，由于传统的数据库技术的数据模型和预定义的操作模式，时常难以满足实际需求，致使新型数据库在大数据的场景下，将取代传统数据库成为主导。
（5）基于网络的自动化管理
网络数据库应用系统的广泛应用，使数据库管理更加自动化。如网购、网银等系统，从企业级Enterprise-class到世界级World-class的转变，提供更多基于Internet环境的管理工具，完成数据库管理网络化。应用程序编程接口API(Application ProgrammingInterface)更开放，基于浏览器端技术的管理套件，便于分布远程管理。
（6）PHP将促进数据库产品应用
随着新一代Web技术的广泛应用，在.NET和Java成为数据应用的主体开发平台后，很多厂商为了争取市场在新版本数据库产品推出后，提供面向超级文本预处理语言PHP（Hypertext Preprocessor）的专用驱动和应用。
（7）数据库将与业务语义的数据内容融合
数据库将更广泛地为用于“信息服务”。对新一代基于AJAX、MashUp、SNS等技术的创新应用，数据从集中于逻辑中心数据库，改为分布网络，为了给予技术支持，数据聚集及基于业务语义的数据内容融合也成为数据库发展的方向，不仅在商务智能领域不断加强对服务应用的支持，而且注重加强数据集成服务。
㈡ 怎样将关系型数据表转换至hbase数据表
首先需要把关系型数据库的数据表的数据增加由 “纵向延伸”，转变为HBase数据表的“横向延伸”
一、Hbase的存储结构
a) HBase以表（HTable）的形式存储数据
b) HTable包括很多行，每行通过RowKey唯一标记，行按照RowKey的字典序排列，表在行的方向上分割为多个HRegion
c) 每行包括一个RowKey和多个Column Family，数据按照Column Family进行物理切割，即不同Column Family的数据放在不同的Store中，一个Column Family放在一个Strore中
d) HRegion由多个Store组成。一个Store由物理上存在的一个MemStrore（内存中）和多个StoreFile（HFile）中
二、设计原则：
(1)rowkey
a) rowkey是hbase的key-value存储中的key，通常使用用户要查询的字段作为rowkey ，查询结果作为value ，HBase中RowKey是按照字典序排列的
(2)Column Family的设计需遵循：
a) 不同Column Family的数据，在物理上是分开的，尽量避免一次请求需要拿到的Column分布在不同的Column Family中;
b) CF的数量尽量要少，原因是过多的columnfamily之间会互相影响
(3) column
对于column需要扩展的应用，column可以按普通的方式设计，但是对于列相对固定的应用，最好采用将一行记录封装到一个column中的方式，这样能够节省存储空间。封装的方式推荐protocolbuffer。
㈢ 大数据的分布式数据库的发展趋势如何
现在大数据是一个十分火热的技术，这也使得很多人都开始关注大数据的任何动态，因为大数据在某种程度上来说能够影响我们的生活。在这篇文章中我们就给大家介绍一下大数据的分布式数据库的发展趋势，希望这篇文章能够帮助大家更好理解大数据的分布式数据库的发展趋势。
其实不论是Hadoop还是分布式数据库，技术体系上两者都已经向着计算存储层分离的方式演进。对于Hadoop来说这一趋势非常明显，HDFS存储与YARN调度计算的分离，使得计算与存储均可以按需横向扩展。而分布式数据库近年来也在遵循类似的趋势，很多数据库已经将底层存储与上层的SQL引擎进行剥离。传统的XML数据库、OO数据库、与pre-RDBMS正在消亡；新兴领域文档类数据库、图数据库、Table-Style数据库与Multi-Model数据库正在扩大自身影响；传统关系型数据库、列存储数据库、内存分析型数据库正在考虑转型。可以看到，从技术完整性与成熟度来看，Hadoop确实还处于相对早期的形态。直到今天，很多技术在很多企业应用中需要大量的手工调优才能够勉强运行。同时，Hadoop的主要应用场景一直以来面向批处理分析型业务，传统数据库在线联机处理部分不是其主要的发展方向。同时Hadoop技术由于开源生态体系过于庞大，同时参与改造的厂商太多，使得用户很难完全熟悉整个体系，这一方面大大增加了开发的复杂度，提升了用户使用的难度，另一方面则是各个厂商之间维护不同版本，使得产品的发展方向可能与开源版本差别逐渐加大。
而分布式数据库领域经历了几十年的磨练，传统RDBMS的MPP技术早已经炉火纯青，在分类众多的分布式数据库中，其主要发展方向基本可以分为“分布式联机数据库”与“分布式分析型数据库”两种。对比Hadoop与分布式数据库可以看出，Hadoop的产品发展方向定位，与分布式数据库中列存储数据库相当重叠而在高并发联机交易场景，在Hadoop中除了HBase能够勉强沾边以外，分布式数据库则占据绝对的优势。目前，从Hadoop行业的发展来看，很多厂商而是将其定位改变为数据科学与机器学习服务商。因此，从商业模式上看以Hadoop分销的商业模式基本已经宣告结束，用户已经体验到维护整个Hadoop平台的困难而不愿被强迫购买整个平台。大量用户更愿意把原来Hadoop的部件拆开灵活使用，为使用场景和结果买单，而非平台本身买单。另外一个细分市场——非结构化小文件存储，一直以来都是对象存储、块存储，与分布式文件系统的主战场。如今，一些新一代数据库也开始进入该领域，可以预见在未来的几年中，小型非结构化文件存储也可能成为具备多模数据处理能力的分布式数据库的战场之一。
我们在这篇文章中给大家介绍了很多有关大数据分布数据库的发展前景，通过这篇文章我们不难发现数据库的发展是一个极其重要的内容，只有搭建分布式数据库，大数据才能够更好地为我们服务。
㈣ 数据库经过哪三个阶段
一、 数据库的发展：数据库的发展经历了三个阶段：
1、 层次型和网状型：
代表产品是1969年IBM公司研制的层次模型数据库管理系统IMS。
2、 关系型数据型库：
目前大部分数据库采用的是关系型数据库。1970年IBM公司的研究员E．F．Codd提出了关系模型。其代表产品为sysem R和Inges。
3、 第三代数据库将为更加丰富的数据模型和更强大的数据管理功能为特征，以提供传统数据库系统难以支持的新应用。它必须支持面向对象，具有开放性，能够在多个平台上使用。
二、 数据库技术的发展趋势：
1、 面向对象的方法和技术对数据库发展的影响：
数据库研究人员借鉴和吸收了面向对旬的方法和技术，提出了面向对象数据模型。
2、 数据库技术与多学科技术的有机组合：
3、 面向专门应用领域的数据库技术
㈤ 数据库的问题：关系型数据库与非关系型数据库的区别，和各自的发展前景
关系型数据库与非关系型数据库的区别
非关系型数据库的优势：
1. 性能
NOSQL是基于键值对的，可以想象成表中的主键和值的对应关系，而且不需要经过SQL层的解析，所以性能非常高。
2. 可扩展性
同样也是因为基于键值对，数据之间没有耦合性，所以非常容易水平扩展。
关系型数据库的优势：
1. 复杂查询
可以用SQL语句方便的在一个表以及多个表之间做非常复杂的数据查询。
2. 事简掘谈务支持
使得对于安全性能很高的数据访问要求得以实现。
对于这两类数散烂据库，对方的优势就是自己的弱势，反之亦然。
但是近年来这两拦碰种数据库都在向着另外一个方向进化。例如：
NOSQL数据库慢慢开始具备SQL数据库的一些复杂查询功能的雏形，比如Couchbase的index以及MONGO的复杂查询。对于事务的支持也可以用一些系统级的原子操作来实现例如乐观锁之类的方法来曲线救国。
SQL数据库也开始慢慢进化，比如HandlerSocker技术的实现，可以在MYSQL上实现对于SQL层的穿透，用NOSQL的方式访问数据库，性能可以上可以达到甚至超越NOSQL数据库。可扩展性上例如Percona Server，可以实现无中心化的集群。
虽然这两极都因为各自的弱势而开始进化出另一极的一些特性，但是这些特性的增加也会消弱其本来具备的优势，比如Couchbase上的index的增加会逐步降低数据库的读写性能。所以怎样构建系统的短期和长期存储策略，用好他们各自的强项是架构师需要好好考虑的重要问题。
㈥ 云存储的发展趋势
云存储已经成为未来存储发展的一种趋势。但随着云存储技术的发展，各类搜索、应用技术和云存储相结合的应用，还需从安全性、便携性及数据访问等角度进行改进。（1）安全性从云计算诞生，安全性一直是企业实施云计算首要考虑的问题之一。同样在云存储方面，安全仍是首要考虑的问题，对于想要进行云存储的客户来说，安全性通常是首要的商业考虑和技术考虑。但是许多用户对云存储的安全要求甚至高于它们自己的架构所能提供的安全水平。即便如此，面对如此高的不现实的安全要求，许多大型、可信赖的云存储厂商也在努力满足它们的要求，构建比多数企业数据中心安全得多的数据中心。用户可以发现，云存储具有更少的安全漏洞和更高的安全环节，云存储所能提供的安全性水平要比用户自己的数据中心所能提供的安全水平还要高。（2）便携性一些用户在托管存储的时候还要考虑数据的便携性。一般情况下这是有保证的，一些大型服务提供商所提供的解决方案承诺其数据便携性可媲美最好的传统本地存储。有的云存储结合了强大的便携功能，可以将整个数据集传送到你所选择的任何媒介，甚至是专门的存储设备。（3）性能和可用性过去的一些托管存储和远程存储总是存在着延迟时间过长的问题。同样地，互联网本身的特性就严重威胁服务的可用性。最新一代云存储有突破性的成就，体现在客户端或本地设备高速缓存上，将经常使用的数据保持在本地，从而有效地缓解互联网延迟问题。通过本地高速缓存，即使面临最严重的网络中断，这些设备也可以缓解延迟性问题。这些设备还可以让经常使用的数据像本地存储那样快速反应。通过一个本地NAS网关，云存储甚至可以模仿终端NAS设备的可用性、性能和可视性，同时将数据予以远程保护。随着云存储技术的不断发展，各厂商仍将继续努力实现容量优化和WAN（广域网）优化，从而尽量减少数据传输的延迟性。（4）数据访问现有对云存储技术的疑虑还在于，如果执行大规模数据请求或数据恢复操作，那么云存储是否可提供足够的访问性。在未来的技术条件下，此点大可不必担心，现有的厂商可以将大量数据传输到任何类型的媒介，可将数据直接传送给企业，且其速度之快相当于复制、粘贴操作。另外，云存储厂商还可以提供一套组件，在完全本地化的系统上模仿云地址，让本地NAS网关设备继续正常运行而无需重新设置。未来，如果大型厂商构建了更多的地区性设施，那么数据传输将更加迅捷。如此一来，即便是客户本地数据发生了灾难性的损失，云存储厂商也可以将数据重新快速传输给客户数据中心。 云计算和物联网之间的关系可以用一个形象的比喻来说明：“云计算”是“互联网中的神经系统的雏形，“物联网”是“互联网”正在出现的末梢神经系统的萌芽。
“物联网就是物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。
物联网的两种业务模式：
1．MAI（M2M Application Integration), 内部MaaS；
2．MaaS（M2M As A Service), MMO, Multi-Tenants(多租户模型）。
随着物联网业务量的增加，对数据存储和计算量的需求将带来对“云计算”能力的要求：
1．云计算：从计算中心到数据中心在物联网的初级阶段，PoP即可满足需求；
2．在物联网高级阶段，可能出现MVNO/MMO营运商（国外已存在多年），需要虚拟化云计算技术，SOA等技术的结合实现互联网的泛在服务：TaaS （everyTHING As A Service)。 云安全(Cloud Security)是一个从“云计算”演变而来的新名词。云安全的策略构想是：使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。
“云安全”通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到Server端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。 私有云（Private Cloud）是将云基础设施与软硬件资源创建在防火墙内，以供机构或企业内各部门共享数据中心内的资源。 创建私有云，除了硬件资源外，一般还有云设备（IaaS）软件；现时商业软件有VMware的 vSphere 和Platform Computing 的ISF， 开放源代码的云设备软件主要有Eucalyptus和OpenStack。至2013年可以提供私有云的平台有：Eucalyptus、3A Cloud、minicloud安全办公私有云、联想网盘和OATOS企业网盘等。
云创存储推出minicloud安全办公私有云，用最少的成本为企业部署云存储以及企业办公应用软件，为企业打造安全的办公环境。在满足企业办公需求的基础上，大幅度降低了企业IT建设的门槛与风险,并同时全面保障企业数据安全。
私有云计算同样包含云硬件、云平台、云服务三个层次。不同的是，云硬件是用户自己的个人电脑或服务器，而非云计算厂商的数据中心。云计算厂商构建数据中心的目的是为千百万用户提供公共云服务，因此需要拥有几十上百万台服务器。私有云计算，对个人来说只服务于亲朋好友，对企业来说只服务于本企业员工以及本企业的客户和供应商，因此个人或企业自己的个人电脑或服务器已经足够用来提供云服务。 云会议是基于云计算技术的一种高效、便捷、低成本的会议形式。使用者只需要通过互联网界面，进行简单易用的操作，便可快速高效地与全球各地团队及客户同步分享语音、数据文件及视频，而会议中数据的传输、处理等复杂技术由云会议服务商帮助使用者进行操作。
目前国内云会议主要集中在以SAAS（软件即服务）模式为主体的服务内容，包括电话、网络、视频等服务形式，基于云计算的视频会议就叫云会议。云会议是视频会议与云计算的完美结合，带来了最便捷的远程会议体验。及时语移动云电话会议，是云计算技术与移动互联网技术的完美融合，通过移动终端进行简单的操作，提供随时随地高效地召集和管理会议。 云社交（CloudSocial）是一种物联网、云计算和移动互联网交互应用的虚拟社交应用模式，以建立着名的“资源分享关系图谱”为目的，进而开展网络社交，云社交的主要特征，就是把大量的社会资源统一整合和评测，构成一个资源有效池向用户按需提供服务。参与分享的用户越多，能够创造的利用价值就越大。
云计算系统
㈦ 数据库的问题：关系型数据库与非关系型数据库的区别，和各自的发展前景
当前主流的关系型数据库有Oracle、DB2、Microsoft SQL Server、Microsoft Access、MySQL等。
非关系型数据库有 NoSql、Cloudant。
nosql和关系型数据库比较
优点：
1）成本：nosql数据库简单易部署，基本都是开源软件，不需要像使用oracle那样花费大量成本购买使用，相比关系型数据库价格便宜。
2）查询速度：nosql数据库将数据存储于缓存之中，关系型数据库将数据存储在硬盘中，自然查询速度远不及nosql数据库。
3）存储数据的格式：nosql的存储格式是key,value形式、文档形式、图片形式等等，所以可以存储基础类型以及对象或者是集合等各种格式，而数据库则只支持基础类型。
4）扩展性：关系型数据库有类似join这样的多表查询机制的限制导致扩展很艰难。
缺点：
1）维护的工具和资料有限，因为nosql是属于新的技术，不能和关系型数据库10几年的技术同日而语。
2）不提供对sql的支持，如果不支持sql这样的工业标准，将产生一定用户的学习和使用成本。
3）不提供关系型数据库对事物的处理。
关系型数据库的最大特点就是事务的一致性：传统的关系型数据库读写操作都是事务的，具有ACID的特点，这个特性使得关系型数据库可以用于几乎所有对一致性有要求的系统中，如典型的银行系统。
关系型数据库为了维护一致性所付出的巨大代价就是其读写性能比较差，而像微博、facebook这类SNS的应用，对并发读写能力要求极高，关系型数据库已经无法应付(在读方面，传统上为了克服关系型数据库缺陷，提高性能，都是增加一级memcache来静态化网页，而在SNS中，变化太快，memchache已经无能为力了)，因此，必须用新的一种数据结构存储来代替关系数据库。
关系数据库的另一个特点就是其具有固定的表结构，因此，其扩展性极差，而在SNS中，系统的升级，功能的增加，往往意味着数据结构巨大变动，这一点关系型数据库也难以应付，需要新的结构化数据存储。
于是，非关系型数据库应运而生，由于不可能用一种数据结构化存储应付所有的新的需求，因此，非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合。
㈧ 传统的关系型数据库面临的挑战有哪些
挑战一：数据来源错综复杂
丰富的数据源是大数据产业发展的前提。而我国数字化的数据资源总量远远低于美欧，每年新增数据量仅为美国的7%，欧洲的12%，其中政府和制造业的数据资源积累远远落后于国颂毁外。就已有有限的数据资源来说，还存在标准化、准确性、完整性低，利用价值不高的情况，这大大降低了数据的价值
挑战二：数据挖掘分析模型建立
步入大数据时代，人们纷纷在谈论大数据，似乎这已经演化为新的潮流趋势。数据比以往任何时候都更加根植于我们生活中的每个角落。我们试图用数据去解决问题、改善福利，并且促成新的经济繁薯樱念荣
挑战三：数据开数困放与隐私的权衡
数据应用的前提是数据开放，这已经是共识。有专业人士指出，中国人口居世界首位，但2010年中国新存储的数据为250PB，仅为日本的60%和北美的7%。目前我国一些部门和机构拥有大量数据但宁愿自己不用也不愿提供给有关部门共享，导致信息不完整或重复投资。2012年中国的数据存储量达到64EB，其中55%的数据需要一定程度的保护，然而目前只有不到一半的数据得到保护