“基本上，它们不能扩展到大量、快速或不同种类的数据。”一家数据分析和数据科学咨询机构的总裁格雷戈里认为。这是哈特汉克斯最近发现的。直到2013年左右，营销服务组织使用了不同的数据库，包括MicrosoftSQLServer和Oracle Real Application Cluster(RAC)的组合。“我们注意到，随着数据的不断增长，我们的系统处理信息的速度不够快，”一家技术开发公司的负责人肖恩说。
5、几大数据库的区别(三大数据库的区别与联系最商业化的是ORACLE，最专业，其次是微软的SQLserver，也做的不错。当然，DB2等也做得不错。这些都是大型数据库，如果完全掌握，可以保证数据的安全性。然后就是一些小型数据库，比如AESS aess，mysql，适合100万数据的中小企业。
6、如何优化操作大数据量数据库数据量大的数据库如何优化操作？以关系数据库系统Informix为例，介绍了改进用户查询计划的方法。1.合理使用索引索引是数据库中重要的数据结构，其根本目的是提高查询效率。目前，大多数数据库产品采用由IBM首先提出的ISAM索引结构。索引的使用要恰到好处，其使用原则如下:●在频繁连接但未指定为外键的列上建立索引，而不频繁连接的字段由优化器自动生成。
●在条件表达式中经常使用的具有更多不同值的列上建立搜索，而不在具有较少不同值的列上建立索引。例如，employee表的“性别”列中只有“男性”和“女性”两个不同的值，所以不需要建立索引。如果建立了索引，不但不会提高查询效率，反而会严重拖慢更新速度。●如果有多列要排序，可以对这些列建立poundindex。●使用系统工具。例如，Informix数据库有一个tbcheck工具，可以检查可疑的索引。
7、大数据量的数据库表设计技巧大数据量的数据库表设计技巧即使是非常简单的数据库应用系统，其数据量增加到一定程度也会引发一系列问题。如果在设计数据库的时候就提前考虑这些问题，就可以避免系统反应慢而引起的用户抱怨。技巧1:尽量不要使用代码。比如性别领域的通行做法:1代表男性，0代表女性。这意味着每个查询都需要一个关联的代码表。技巧2:历史数据中的所有字段都不应该依赖于业务表。
技巧3:使用中间表。例如，员工的工资可以保存在一个中间表中，当员工的某个薪资项目发生变化时，中间表中的数据可以相应更新。技巧4:使用统计学。需要经常使用的统计数据可以在生成后保存在专门的表格中。技巧五:批量保存历史数据。历史数据可以分段保存。例如，2003年的历史数据保存在2003表名中，而2004年的历史数据保存在2004表名中。
8、常见的基于列存储的大数据数据库有哪些(大数据的数据存取采用什么数据库...目前大数据存储有行存储和列存储两种方案。对于这两种存储方案有许多争论。焦点是:谁能更有效地处理海量数据，并兼顾安全性、可靠性和完整性？从目前的发展情况来看，关系数据库已经不适应这种巨大的存储容量和计算需求，基本上被几个已知的大数据处理软件淘汰。Hadoop的HBase使用列存储，MongoDB使用基于文档的行存储，Lexst在这里使用二进制行存储。我不讨论这些软件的技术和优缺点，只围绕机械磁盘的物理特性分析行存储和列存储的存储特点，以及由此产生的一些问题和解决方法。
9、大数据如何运用数据库可视化分析可以直观的呈现大数据的特点，同时也容易被读者接受，就像看图说话一样简单。大数据分析的理论核心是数据挖掘算法。各种数据挖掘算法可以基于不同的数据类型和格式更科学地呈现数据本身的特征，也正是因为这些被全世界统计学家认可的各种各样的统计方法(可以称之为真理)，才能深入数据，挖掘出公认的价值。另一方面也是因为这些数据挖掘算法可以更快的处理大数据。如果一个算法需要几年时间才能得出结论，大数据的价值就无从谈起。
10、数据库大数据传统数据库处理大数据非常困难，不建议使用传统数据库处理大数据。建议Hadoop，Hive等，能处理大数据。如果有预算的话，可以用一些商业化的大数据产品，比如国内永红科技的大数据BI产品，不仅可以高性能处理大数据，还可以做数据分析，当然，如果是一个简单的查询，传统数据库如果索引良好，可能会提高性能。
