问题1：数据库选型

1. 关系数据库
   把数据组织为行，存储在表上，是sql的基础。作为几十年的老产品，每个技术人员必须掌握的技术。关系数据库最大优点是实现ACID（原子性，一致性，隔离性，持久性）原则，一般要求强事务类型业务，都要使用关系数据库存储。典型代表，mysql（开源，要求dba技能高），oracle（功能强悍，收费超级贵）， ms sql server（易用，简单，收费）。

2. 键值数据库
   一般是作为缓存层，部分特殊应用可以持久化。Kv数据库典型代表是memcached和redis。Memcached只能做缓存使用，功能简单。redis采用简单动态字符串（SDS）类型，可以做到持久化，例如，新浪微博保存用户关系表，新信息推送都是使用redis存储，没有使用后台关系数据库，目前版本超过150GB单一实例会存在问题。目前从房多多业务来看，配置表，路由表、大并发业务必须加入到缓存中，建议使用redis 3.0。3.0版本官方自带高可用解决方案。

3. 文档类型db
   存储使用json格式，适合爬虫，图片，小文件，导流等新型业务。mongodb是代表产品，可以做到分片（shanding），路由，自动切换等高可用。

4. 列式储存
   数据存储是按照列存储，区别在于关系数据库是按照行存储。列式db在大批量读取性能高，写入和普通db没有区别，例如，Infobright拥有25：1倍的压缩比存储，这可以对历史表进行压缩，单个实例可以支撑30TB左右。这非常适合数据仓库。开源社区有很多限制，收费版本功能强大。其他列式数据库有SAP HANA、Sybase IQ。

5. 大数据数据库
   Hadoop/MapReduce和Spark最适合的都是做离线型的数据分析，但Hadoop特别适合是单次分析的数据量“很大”的情景，而Spark则适用于数据量不是很大的情景。这儿所说的“很大”，是相对于整个集群中的内存容量而言的，因为Spark是需要将数据保留在内存中。HBase的技术特点上看，它特别适用于简单数据写入（如“消息类”应用）和海量、结构简单数据的查询（如“详单类”应用）。HBase的另一个用途是作为MapReduce的后台数据源，以支撑离线分析型应用。