大数据存储和管理数据库系统

关系型数据库处理事务时对性能影响较大、需要优化的因素。
通信：应用程序通过ODBC或者JDBC与DBMS进行通信是OLTP事务中的主要开销。
日志：需要不断写硬盘来保证持久性，代价昂贵。
锁：修改操作需要加锁，需要在锁表中进行写操作，造成了一定得开销。
闩：B树、锁表、资源表等数据结构常常被多线程读取，需要短期锁即闩。
缓冲区管理：页的缓冲管理等。

驱动传统关系型数据库发展的6个关键因素可以概括为“SPRAIN”。
可扩展性（Scalability）——硬件价格
高性能（Performance）——MySQL的性能瓶颈
弱一致性（Relaxed consistency）——CAP理论
敏捷性（Agility）——持久多样性
复杂性（Intricacy）——海量数据
必然性（Necessity）——开源 


并行数据库：在无共享的体系结构中进行数据操作的数据库系统。
关键技术：关系表的水平划分和SQL查询的分区执行。
优势：高性能和高可用性。
缺点：没有较好的弹性，数据转移代价昂贵；系统的容错性较差。
总结：并行数据库只适用于资源需求相对固定的应用程序。

NoSQL数据管理系统：没有固定数据模式并且可以水平扩展的系统（Not Only SQL）。 
关键技术
简单数据模型：每个记录有唯一的键，系统只需支持单记录级别的原子性；
元数据和应用数据的分离：系统之所以将这两类数据分开是因为它们有着不同的一致性要求。
弱一致性：NoSQL系统通过复制应用数据来维护一致性，为了减小副本同步的开销 ，采用最终一致性和时间轴一致性等弱一致性模型。
主要优势 
避免不必要的复杂性：提供较少的功能来提高性能。
高吞吐量。
高水平扩展能力和低端硬件集群。
避免了昂贵的对象-关系映射。
主要缺陷
数据模型和查询语言没有经过数学验证。
不支持ACID特性：既是优点也是缺点。
功能简单，增加了应用层的负担。
没有统一的查询模型，增加了开发者的负担。 

NewSQL数据管理系统：可扩展、高性能的SQL数据库。
主要包括两类系统：拥有关系型数据库产品和服务，并将关系模型的好处带到分布式架构上；或者提高关系数据库的性能，使之达到不用考虑水平扩展问题的程度。

云数据管理：数据库即服务。
主要优势
透明性
可伸缩性
高性价比
主要缺陷
用户隐私和数据安全问题
服务可靠性问题
服务质量保证问题