千万用户架构之混合型数据库的应用
数据库集群的架构与部署方式
数据库集群的架构与部署方式数据库是现代应用程序中关键的数据存储和管理工具。
随着数据量的增长和用户访问的增加，传统的单节点数据库已经无法满足高性能和高可用性的要求。
为了解决这个问题，数据库集群成为了一种流行的选择。
数据库集群是由多个节点组成的分布式系统，这些节点可以同时接收和处理用户请求。
它们之间共享数据副本，可以在节点之间自动复制和同步数据。
数据库集群的架构和部署方式对于系统的可扩展性、可靠性和性能至关重要。
在选择数据库集群的架构和部署方式时，我们需要考虑以下几个因素：1. 数据复制方式数据库集群中的节点需要共享数据副本以提供高可用性和故障恢复能力。
常见的数据复制方式包括主从复制和多主复制。
主从复制中，一个节点被指定为主节点，负责接收写操作并将数据同步到其他从节点。
多主复制则允许多个节点同时接收和处理写操作。
根据应用的读写比例和延迟要求，选择适合的数据复制方式。
2. 负载均衡数据库集群中的节点需要均衡地处理用户请求，以避免出现性能瓶颈和单点故障。
负载均衡器可以根据节点的负载情况将请求分发到不同的节点。
常见的负载均衡技术包括基于DNS的负载均衡和基于代理的负载均衡。
通过合理配置负载均衡策略，可以提高系统的性能和可扩展性。
3. 数据一致性数据库集群中的数据需要保持一致性，即每个节点的数据副本都应该具有相同的值。
为了实现数据一致性，可以使用一致性哈希算法或副本同步技术。
一致性哈希算法可以将数据均匀地分布在不同的节点上，而副本同步技术可以将写操作同步到其他节点，并确保数据的一致性。
选择适合的数据一致性策略是数据库集群架构的关键决策之一。
4. 容灾和故障恢复数据库集群需要具备容灾和故障恢复的能力。
在一个节点发生故障或断电的情况下，集群应该能够自动将请求路由到其他可用的节点，并保证数据的一致性。
常见的容灾和故障恢复技术包括备份和恢复、故障转移和复原。
通过合理配置容灾和故障恢复策略，可以保证数据库集群的高可用性和稳定性。
如何使用MySQL进行多源数据融合与整合
如何使用MySQL进行多源数据融合与整合MySQL是一种广泛使用的关系型数据库管理系统，它提供了强大的数据存储和查询功能。
在现实生活中，往往存在着多个数据源需要进行融合和整合，以便得到更加全面和准确的数据分析结果。
本文将介绍如何使用MySQL进行多源数据融合与整合，以及一些相关的技术和方法。
一、数据源的选择和准备在进行多源数据融合与整合之前，我们首先需要选择和准备好合适的数据源。
数据源可以来自于不同的数据库，文件或者API接口。
在选择数据源时，需要考虑数据的可靠性和准确性。
同时，还需要考虑数据的格式和结构是否一致，如果不一致，可能需要进行一些数据转换的工作。
数据的质量和完整性对于融合和整合的结果有着重要的影响，因此需要对数据进行必要的清洗和预处理。
二、数据融合的方法和技术1. 数据库连接和数据表关联如果多个数据源都来自于不同的数据库，我们可以使用MySQL提供的数据库连接功能来进行融合。
可以通过创建外部表或者视图的方式，在一个数据库中引用其他数据库中的表。
通过在表之间建立关联关系，可以实现多个数据源的整合查询。
可以使用JOIN操作将不同表中的数据根据关联键进行合并，得到一个更加完整和综合的数据。
2. 数据导入和导出如果数据源来自于文件或者API接口，我们可以使用MySQL提供的数据导入和导出功能来进行融合。
可以将文件的数据导入到MySQL数据库中的新表中，并根据需要进行数据清洗和转换。
可以使用LOAD DATA语句导入文本文件，使用INSERT INTO语句导入Excel文件等。
然后可以使用SQL语句进行数据的融合和整合。
3. 数据抽取和转换如果数据源来自于不同的数据库，甚至不同的数据类型，我们可以使用MySQL提供的数据抽取和转换功能来进行融合。
可以使用ETL工具（如Kettle）将数据源中的数据提取到中间表中，然后进行一些规则和转换处理，最后将结果导入到目标表中。
可以使用一些数据转换函数和语句来实现数据源之间的转换和映射。
了解Java中的内嵌式数据库及应用场景
了解Java中的内嵌式数据库及应用场景随着互联网的迅猛发展，数据的存储和管理成为各个应用领域中的重要问题。
对于Java开发者而言，内嵌式数据库是一种非常有用的工具，它可以帮助开发者更高效地管理数据，并提供灵活的应用场景。
本文将介绍Java中的内嵌式数据库，并探讨其应用场景。
内嵌式数据库是指将数据库引擎嵌入到应用程序中，与应用程序一同部署和运行的数据库系统。
与传统的客户端-服务器模式的数据库不同，内嵌式数据库不需要独立的数据库服务器，而是直接在应用程序中运行。
这种设计方式带来了许多好处，包括更快的数据访问速度、更简单的部署和维护、更好的数据隔离性等。
在Java开发中，有几个流行的内嵌式数据库可以选择，包括H2、HSQLDB和Derby等。
这些数据库都是用纯Java语言编写的，可以与Java应用程序无缝集成。
它们提供了标准的SQL语法支持，并支持事务处理、索引、触发器等高级特性。
此外，这些数据库还提供了丰富的API，使得开发者可以方便地操作和管理数据。
内嵌式数据库在许多应用场景中都能发挥重要作用。
首先，对于小型应用程序而言，内嵌式数据库是一种理想的选择。
由于内嵌式数据库不需要独立的数据库服务器，因此可以极大地简化应用程序的部署和配置过程。
开发者只需要将数据库文件与应用程序一同打包，就可以轻松地将应用程序部署到任何环境中。
其次，内嵌式数据库适用于需要高性能数据访问的场景。
由于内嵌式数据库直接运行在应用程序中，数据的读写速度更快。
这对于需要频繁读写数据的应用程序来说非常重要，例如电子商务网站的库存管理系统、在线游戏的角色数据管理等。
内嵌式数据库的高性能访问能力可以大大提升应用程序的响应速度，提供更好的用户体验。
此外，内嵌式数据库还适用于需要数据隔离的场景。
在一些应用中，需要将数据存储在本地，而不是通过网络传输到远程服务器。
这样可以保证数据的安全性和隐私性。
内嵌式数据库可以将数据保存在本地文件中，只有应用程序可以访问，从而实现数据的隔离。
数据库混合计算框架
数据库混合计算框架随着数据量的不断增长和计算需求的日益复杂，传统的数据库管理系统面临着许多挑战。
为了提高计算效率和灵活性，数据库混合计算框架应运而生。
本文将介绍数据库混合计算框架的概念、优势以及应用场景。
一、概念数据库混合计算框架是一种将传统的数据库管理系统与计算引擎相结合的架构。
它基于数据库管理系统的存储和查询能力，同时引入计算引擎以支持更复杂的计算任务。
通过将存储和计算相结合，数据库混合计算框架能够在同一系统中实现高效的数据管理和计算。
二、优势1. 强大的计算能力：传统的数据库管理系统通常只能执行简单的查询操作，而数据库混合计算框架引入了计算引擎，可以支持更复杂的计算任务，如机器学习、图计算等。
这样一来，用户可以在数据库中进行更多样化的计算操作，而不仅仅局限于简单的查询和聚合。
2. 高效的数据管理：数据库混合计算框架将数据存储和计算引擎紧密结合在一起，可以更好地利用内存和硬盘资源，提高数据的读写性能。
同时，由于数据存储和计算引擎在同一系统中运行，可以避免数据的频繁传输，减少了数据传输的开销。
3. 灵活的数据处理：数据库混合计算框架支持多种数据处理方式，如批处理、流处理和交互式查询。
这样一来，用户可以根据实际需求选择最适合的数据处理方式，从而提高数据处理的效率和灵活性。
三、应用场景数据库混合计算框架在许多领域都有广泛的应用，下面介绍几个典型的应用场景。
1. 金融行业：在金融行业，需要对大量的交易数据进行处理和分析。
数据库混合计算框架可以帮助金融机构实现实时数据处理和分析，从而提高交易处理的效率和准确性。
2. 电商行业：在电商行业，需要对用户的行为数据进行分析，以提供个性化的推荐和营销服务。
数据库混合计算框架可以帮助电商企业实现实时的用户行为分析和推荐算法，从而提高用户体验和销售额。
3. 物联网行业：在物联网行业，需要对大量的传感器数据进行实时处理和分析。
数据库混合计算框架可以帮助物联网企业实现实时的传感器数据处理和分析，从而提高物联网系统的智能化和效率。
并行数据库应用场景包括
并行数据库应用场景包括
并行数据库应用场景包括：
1. 财务和银行业务处理：在银行和金融机构中,需要处理大量的事务和查询请求,因此需要数据库能够高效地处理并发和大量的数据。
2. 电子商务和零售业务：在电子商务和零售业务中,需要处理大量的交易、订单和库存信息,因此需要数据库能够高效地处理大量的数据并确保数据的一致性和可靠性。
3. 物流和供应链管理：在物流和供应链管理领域,需要处理大量的订单、运输、存货和供应商信息,因此需要数据库能够高效地处理并发和大量的数据。
4. 社交媒体和数字营销：在社交媒体和数字营销领域,需要处理大量的用户信息、行为数据和广告数据,因此需要数据库能够高效地处理大量的数据并确保数据的一致性和隐私安全。
5. 科学研究和数据分析：在科学研究和数据分析领域,需要处理大量的实验数据、观测数据和模拟数据,因此需要数据库能够高效地处理大量的数据并支持复杂的数据分析和查询需求。
结构化数据存储方式和应用场景
结构化数据存储方式和应用场景全文共四篇示例，供读者参考第一篇示例：在信息时代，数据已经成为了人类社会中最为宝贵的资源之一。
而随着数据量的不断增长，对数据的存储和管理也提出了越来越高的要求。
在这种背景下，结构化数据存储方式应运而生，并在各个领域得到了广泛的应用。
本文将从结构化数据存储方式的定义、特点以及应用场景等方面对其进行详细的介绍。
我们需要了解什么是结构化数据存储方式。
结构化数据存储方式是指将数据按照一定的格式和规范存储在数据库或数据仓库中，以便于对数据进行管理、查询和分析。
结构化数据具有明确的格式和关联性，可以通过预定义的模式和表结构来描述数据之间的关系，是一种具有明确组织形式和易于管理的数据类型。
结构化数据存储方式在各个领域都有着广泛的应用场景。
首先是在企业管理和数据分析领域。
企业需要对大量的业务数据进行管理和分析，结构化数据存储方式可以帮助企业建立起完善的数据管理系统，实现数据的高效存储和快速查询。
其次是在金融领域。
金融机构需要对大量的交易数据和客户信息进行管理和分析，结构化数据存储方式可以帮助金融机构建立起安全可靠的数据存储系统，为金融决策提供数据支持。
在医疗健康领域、物流管理领域以及互联网领域等都有着结构化数据存储方式的广泛应用。
结构化数据存储方式是一种具有明确组织形式和易于管理的数据类型，具有明确性、一致性、易管理性、查询性、可扩展性和灵活性等特点。
在各个领域都有着广泛的应用场景，能够帮助企业建立起完善的数据管理系统，实现数据的高效存储和快速查询，为决策提供数据支持。
结构化数据存储方式在信息时代的数据管理和分析中发挥着越来越重要的作用，将会成为未来数据管理的重要趋势和方向。
第二篇示例：结构化数据存储方式和应用场景随着数据技术的不断发展，人们对数据的需求也日益增长。
数据可以按照其存储形式的不同分为结构化数据、半结构化数据和非结构化数据。
结构化数据是指能够以表格形式表示，具有明确的数据模型和预定义的数据模式的数据。
混布数据库Hubble技术概述
Shard7’
shard4
shard10’
shard2’
shard8”
shard5’
shard11”
shard3
shard9
shard6
shard12
服务器3
磁盘1
Diskstorage9 （目录1）
Diskstorag10 （目录2）
磁盘2
Diskstorag11 （目录1）
Diskstorag12 （目录2）
实现了每天千万级交易数据数据实时并发入库； 接 近100个复杂欺诈规则分析 毫秒返回分析结果。
实 现 5 0 00 多 个 标 签 灵 活 组 合 查 询 分 析 ，精 准 命 中 数 据 毫秒级输出查询结果。 支持100多个节点的大数据平台秒级数据同步。
支撑50多个维度数据复杂规则分析，毫秒级返回分析结果， 支撑 实时进件审批业务， 同 时 支 撑 1万 多 家 分 支 行 ，上 千 家 营 业 厅 的 实 时 汇 总 统 计 分 析 的 业 务 应 用 。
实时获取每个 shardserver cpu的使用 情况
以 及 每 个 任 务 cpu资 源 占 用 情况
内存管理
实时获取每个 shardserver内存的使用 情况
以 及 每 个 任 务 cpu资 源 占 用 情况
产品特性
改变传统架构、优化大数据架构
架构体系
IOE架构，数据采用 oracle、mysql， TD 和 mpp 数据库等
有：列存、KV、MIX等，意思是Shard的数据存储格式可 以与Shard' 、 Shard"是不同的。 ➢ Shard与其副本之间通过Raft协议做数据复制
➢ 每个副本的数据格式可以做变更 ➢ 默认表的副本数为3，默认表的3个副本存储格式都是KV
MySQL数据库在大型企业系统中的应用与实践
MySQL数据库在大型企业系统中的应用与实践随着信息技术的迅速发展，大型企业系统的运营已经离不开数据库的支持和管理。
数据库作为企业重要的数据存储和管理工具，对于高效的运营和决策起着至关重要的作用。
MySQL作为一种开源的、功能强大的关系型数据库管理系统，被越来越多的大型企业选择并应用于其系统中。
本文将探讨MySQL数据库在大型企业系统中的应用与实践，包括其特点、优势以及应用案例等。
一、MySQL数据库的特点与优势1.1 开源免费MySQL数据库是一个开源的数据库管理系统，可以免费使用并修改其源代码。
这使得大型企业可以根据自身需求定制数据库系统，大大提高了系统的灵活性和适应性。
同时，开源的特点还带来了丰富的社区资源和技术支持，使得企业可以更好地解决问题和改进系统。
1.2 高性能MySQL数据库在处理大量数据时表现出色，能够快速响应查询请求并处理复杂的事务。
它采用了多种优化技术，如索引、缓存以及复制等，来提高系统的性能和吞吐量。
对于大型企业的海量数据存储和复杂业务需求，MySQL数据库能够提供稳定高效的支持。
1.3 可靠性和扩展性MySQL数据库具备高可靠性和可扩展性的特点。
它支持主从复制和分布式架构，可以实现数据的备份和容灾，并且能够根据实际业务需求进行水平和垂直的扩展。
对于大型企业系统而言，数据的安全和可用性至关重要，MySQL数据库能够提供可靠的支持。
1.4 数据安全MySQL数据库提供了多层次的安全控制机制，保障数据的安全性。
这包括用户权限管理、数据加密和安全审计等功能。
对于大型企业而言，数据的保护和安全合规是必须要考虑的方面，MySQL数据库的安全特性能够满足企业的需求。
二、MySQL数据库在大型企业系统中的应用案例2.1 电子商务系统随着电子商务的迅速发展，大型电商平台的数据库需求也越来越大。
MySQL 数据库可以支持海量商品数据的存储和快速检索，帮助企业实现高效的商品管理和订单处理。
同时，MySQL数据库还能够支持大量用户的并发访问，保证系统的稳定性和可伸缩性。
数据库基础与应用
数据库基础与应用在当今数字化的时代，数据如同石油一般珍贵，而数据库则是存储和管理这些数据的重要工具。
无论是企业的业务运营、政府的公共服务，还是个人的日常生活，都离不开数据库的支持。
那么，什么是数据库？它又有哪些基础概念和应用场景呢？数据库，简单来说，就是一个有组织的数据集合。
它按照一定的结构和规则来存储数据，使得数据能够被有效地管理、查询和更新。
想象一下，你有一个装满各种文件的大柜子，这些文件就是数据，而柜子的分类和排列方式就是数据库的结构。
数据库的基础概念中，首先要了解的是数据模型。
常见的数据模型有层次模型、网状模型和关系模型。
关系模型是目前应用最为广泛的一种，它将数据以二维表格的形式表示，行代表记录，列代表字段。
这种清晰直观的结构，使得数据的处理和管理变得更加简单高效。
数据库中的数据需要遵循一定的完整性约束。
比如，主键的唯一性，确保每条记录都能被准确识别；外键的引用完整性，保证不同表格之间的数据关联正确无误。
就好像在一个班级里，每个学生都有一个唯一的学号，而且这个学号在成绩表、考勤表等各种表格中都能准确对应到同一个学生。
数据库管理系统（DBMS）是用于管理数据库的软件。
常见的有MySQL、Oracle、SQL Server 等。
它们提供了一系列的功能，包括数据定义、数据操作、数据控制等。
通过这些功能，用户可以创建数据库、插入数据、查询数据、修改数据以及设置用户权限等。
那么，数据库在实际中有哪些应用呢？企业是数据库应用的重要领域。
企业的客户信息、销售数据、库存情况等都需要存储在数据库中，以便进行数据分析和决策支持。
例如，一家电商企业可以通过分析用户的购买历史和浏览行为，为用户推荐个性化的商品；一家制造业企业可以根据库存数据及时调整生产计划，避免库存积压或缺货的情况发生。
政府部门也广泛使用数据库来管理公共服务。
比如，人口信息数据库、税收数据库、社保数据库等。
这些数据库可以帮助政府提高服务效率，实现政务的信息化和智能化。
混合数据库架构设计与实现
混合数据库架构设计与实现现代企业面临的数据挑战之一是处理不同类型和数量的数据，并同时实现性能和可扩展性。
为了解决这个问题，一种越来越流行的解决方案是混合数据库架构设计和实现。
混合数据库架构集成了不同类型的数据库，包括关系型数据库、NoSQL数据库和内存数据库，以实现灵活的数据处理和高性能。
混合数据库架构的设计是根据业务需求和数据特点来确定的。
在设计时，首先需要考虑数据的类型和量级。
对于结构化数据，关系型数据库是理想的选择，它提供了强大的查询功能和数据完整性保护。
对于大数据和非结构化数据，如日志文件和文本文档，NoSQL数据库是一个更好的选择，它能够处理大量数据并提供高性能。
而对于需要实时处理和低延迟的应用，内存数据库是最适合的选择，它将数据存储在内存中，提供快速访问和处理能力。
在混合数据库架构中，数据的存储和处理可以根据其重要性和访问频率进行划分。
对于对性能和可用性要求较高的数据，可以选择将其存储在关系型数据库中。
关系型数据库提供了事务支持和数据完整性保护，可以确保数据的一致性和可靠性。
而对于大数据和非结构化数据，可以选择将其存储在NoSQL数据库中。
NoSQL数据库具有良好的横向扩展性和高性能，可以处理大规模的数据。
此外，对于需要实时处理和低延迟的应用，可以将其存储在内存数据库中。
内存数据库能够提供快速的读写操作和低延迟的响应时间，适合实时数据分析和交互。
除了数据的存储和处理，混合数据库架构还包括数据的同步和复制。
在一个混合数据库架构中，数据可能分布在不同的数据库中，因此需要确保数据的一致性和完整性。
为了实现这一点，可以采用数据同步和复制技术。
数据同步可以确保不同数据库之间的数据一致性，可以通过事务日志和增量更新来实现。
数据复制可以提供数据的冗余和备份，以确保数据的可靠性和可用性。
在混合数据库架构的实现过程中，还需要考虑安全性和数据隐私。
企业面临的数据泄露和安全威胁日益严重，因此在设计混合数据库架构时需要采取相应的安全措施。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
云视互动-千万用户架构之混合型数据库的应用
随着云视互动平台用户规模的扩展，针对千万甚至上亿用户的可伸缩扩展的数据平台架构就显得非常关键和迫切。
从产品初期到现在完善的过程中，经历了很多次的技术选型和迭代升级，逐渐的沉淀和完善自有的一套体系，其中包括Mysql，Mongo，Redis，Memcached，HBase等技术。
一、什么是NoSQL
NoSQL，泛指非关系型的数据库，它是“Not Only SQL”的缩写。
它的意义是：在传统关系型数据库无法实现和满足某些业务场景的情况下，可以用NoSQL来代替部分功能，它
是为弥补关系型数据库的不足应运而生。
NoSQL数据库具有如下几个大的特点：
1)没有模式：不需要事先定义数据模式，预定义表结构。
2)无共享架构：各节点数据独立。
3)弹性可扩：动态增加或者删除结点。
4)异步复制：异步解耦，提升数据处理性能。
5)BASE特性：非ACID特性，最终一致性和软事务。
NoSQL数据库并没有一个统一的架构和产品规范，不同NoSQL数据库之间的不同，远远超过两种关系型数据库的不同。
可以说，各个NoSQL数据库各有所长，成功的NoSQL 数据库必然特别适用于某些场合或者某些应用，在这些场合中会远远胜过关系型数据库和其他的NoSQL数据库。
二、为什么用NOSQL
目前我们都生活在一个庞大的而复杂的信息化大数据时代，传统的关系数据库在应对海量数据存储和检索分析的时候，基于其自身的一系列规范化设计，没法对数据进行更高效的管理和读写操作，包括硬件能力的限制，这种问题更加突出。
而NoSQL的优势在此就体现出来，具体如下几点：
2.1易扩展
NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性。
数据之间无关系，这样就非常容易扩展。
也无形之间，在架构的层面上带来了可扩展的能力。
2.2大数据量，高性能
NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀。
这得益于它的无关系性，数据库的结构简单。
一般MySQL使用Query Cache，每次表的更新Cache就失效，是一种大粒度的Cache，在针对web2.0的交互频繁的应用，Cache性能不高。
而NoSQL的Cache是记录级的，是一种细粒度的Cache，所以NoSQL在这个层面上来说就要性能高很多了。
2.3灵活的数据模型
NoSQL无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式。
而在关系数据库里，增删字段是一件非常麻烦的事情。
如果是非常大数据量的表，增加字段简直就是一个噩梦。
这点在大数据量的web2.0时代尤其明显。
2.4高可用
NoSQL在不太影响性能的情况，就可以方便的实现高可用的架构。
比如Cassandra，HBase模型，通过复制模型也能实现高可用。
NoSQL数据库在以下的这几种情况下比较适用
1、数据模型比较简单；
2、需要灵活性更强的IT系统；
3、对数据库性能要求较高；
4、不需要高度的数据一致性；
5、对于给定key，比较容易映射复杂值的环境。
在以上场景中采用NoSQL数据库会比获得更高的吞吐量。
三、NOSQL产品分类
3.1键值存储数据库
这一类数据库主要会使用到一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。
Key/value模型对于IT系统来说的优势在于简单、易部署。
如：TokyoCabinet/Tyrant, Redis, Voldemort, Oracle BDB,Memcached。
3.2列存储数据库
这部分数据库通常是用来应对分布式存储的海量数据。
键仍然存在，但是它们的特点是指向了多个列。
这些列是由列家族来安排的。
如：Cassandra, HBase, Riak.
3.3文档型数据库
文档型数据库的灵感是来自于Lotus Notes办公软件的，而且它同第一种键值存储相类似。
该类型的数据模型是版本化的文档，半结构化的文档以特定的格式存储，比如JSON。
文档型数据库可以看作是键值数据库的升级版，允许之间嵌套键值。
而且文档型数据库比键值数据库的查询效率更高。
如：CouchDB, MongoDb. 国内也有文档型数据库SequoiaDB，已经开源。
3.4图形数据库
图形结构的数据库同其他行列以及刚性结构的SQL数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。
NoSQL数据库没有标准的查询语言(SQL)，因此进行数据库查询需要制定数据模型。
许多NoSQL数据库都有REST式的数据接口或者查询API。
如：Neo4J, InfoGrid, Infinite Graph。
四、RDBMS和NOSQL整合
在目前和可以预见的将来，RDBMS和NOSQL绝对不是一个自我矛盾的结合体，也绝对不是谁替换谁取代谁，在各自领域内而是相辅相成，共同构筑一个完备的数据生态系统。
云视互动平台在针对移动互联网高并发大数据的千万级用户，通过了几次数据平台的迭代升级，当前已经形成自有的一套完整数据平台解决方案。
➢巨量静态数据请求cache化，采用memcached集群用于缓存常用数据，减少DB 的IO压力。
➢消息数据cache结构化，采用redis集群，结合LIST，HASH，SortedSet等丰富的内存结构进行离线消息和实时消息的缓存。
➢采用MongoDB集群技术，结合Mysql数据库进行LBS多方位应用。
➢采用HBase集群对过期消息进行持久化操作。
绿色线条2：持久化消息到HBase
蓝色线条：更新gps位置信息
通过以上异构结合模型，目前单节点消息吞吐量稳定维持在5000+，足以支撑50W日活跃用户的消息处理需求。