第十一周第一天11.1

所用时间：315分钟
代码量（行）：303
了解到的知识点：
大型数据库在项目的选择
这个在项目的开发中会用到

1. 明确核心业务需求

• 若为金融交易、政务核心系统等强一致性、高可靠需求的OLTP场景，优先选 Oracle、DB2、SQL Server 这类传统关系型数据库，它们严格遵循ACID原则，容灾机制成熟。
• 若为用户行为分析、销售报表统计等海量数据离线分析的OLAP场景，优先选 Hive、Greenplum、ClickHouse 这类数据仓库或列式存储数据库，查询聚合性能更优。
• 若为互联网高并发场景（如电商订单、社交消息），可选用 MySQL（分布式架构）、PostgreSQL，搭配分库分表、读写分离技术，或直接用云原生分布式数据库。
  2. 分析数据类型与规模
• 若以结构化数据为主（如订单表、用户信息表），关系型数据库或数据仓库完全适配。
• 若包含大量非结构化/半结构化数据（如日志、图片、JSON），可搭配 HBase（大数据生态）或其他NoSQL数据库，或选择支持多数据类型的 PostgreSQL。
• 数据规模在TB级以下可考虑单体数据库，PB级以上则优先选分布式架构的数据库（如Greenplum、ClickHouse、Hive）。
  3. 评估技术成本与生态适配
• 预算有限、偏向开源技术栈，优先选 PostgreSQL、MySQL、Hive、ClickHouse，社区资源丰富，运维成本低。
• 若已基于Windows/.NET生态搭建业务，SQL Server 的集成度最高；若深度使用Hadoop/Spark大数据生态，Hive、HBase 是最优搭配。
• 考量运维团队技术栈：传统DBA团队更擅长Oracle、DB2；大数据团队则更容易驾驭Hive、ClickHouse等开源分布式数据库。
  4. 验证性能与扩展性
• 高并发读写场景需测试数据库的QPS、响应延迟，并确认是否支持横向扩展（分库分表、集群扩容）。
• 大数据分析场景需测试海量数据的查询速度，优先选支持MPP架构、列式存储的数据库。