大数据分析需要哪些工具？一般会先用large 数据 analysis，比如MongoDB，GBase等。数据库.如何优化操作大小数据volume数据库如何优化操作大小数据volume数据库以relationship数据库system Informix为例，介绍了改进用户查询计划的方法，1.Da 数据工具:数据存储和管理工具Da 数据完全从数据存储开始，也就是从Da 数据框架Hadoop开始。
HADOOP、SASS、R语言、ApacheSpark等。盛达的众包平台有解释。SAS，HADOOP，SPARK .其实不止如此。Excel:常用于日常报表、报告和抽样分析。它的图表功能非常强大，轻松搞定10万级数据。UltraEdit: Text工具比TXT工具更容易使用，打开和运行速度更快。ACCESS: Desktop 数据库，主要用于日常的抽样分析(做全口径的统计分析要消耗大量的资源和时间，通常分析师会随机选取一些数据进行分析)。使用SQL语言，处理100万数据还是很快的。
当然，如果我的能力和时间允许的话，学习一下最近比较流行的分布式数据库，提高自己的编程能力，对我以后的职业发展也有很大的帮助。分析软件主要推荐:SPSS系列:老牌统计分析软件，SPSSStatistics(偏统计函数，市场调研)和SPSSModeler(偏数据 mining)，不用编程简单易学。SAS:老经典的挖矿软件，需要编程。
sql有，数据太大。如果要全部备份，会很麻烦。这不是数据库的问题。最好是重建数据库的结构，一次只备份一小部分，其他的不做改动不备份。一般在app_date文件夹中，可以通过连接sql字符串得到名称数据库，然后打开SqlServer2000找到名称数据库，包含在右键属性中。在微软的big 数据解决方案中，数据管理是最底层最基础的环节。
数据 management主要包括三个产品:SQLServer、SQL server Parallel数据Warehouse和HadooponWindows。微软为不同类型的数据提供了不同的解决方案。具体来说，对于结构化的数据，SQLServer和SQLServer可以并行使用数据 warehouse处理。非结构化数据可以在WindowsAzure和WindowsServer上进行基于Hadoop的分发处理；流数据可以由SQLServerStreamInsight管理，并提供接近实时的分析。
