wordpress 权重/成都网站排名 生客seo
身边朋友知道我在阿里云工作后，总是问我一些专业上的问题：啥是数据库？啥是数据仓库？啥又是大数据？今天我特别请来了业务的同学给大家讲讲清楚，想知道答案，看下面这篇就够了！
数据处理的起源人类的发展，离不开数据的处理。最早的数据处理方式是什么？可能是结绳记事——这种古老的数据处理方式，包含了现代计算机拥有的数据存储、查询、分析等全部功能。这个方法貌似可以，但是数据量稍微大一点的话……
后来，人类创造出了文字后，数据处理能力就大多了。一个典型的“应用”是，从旧石器时代开始，人们就通过甲骨文进行记账。到新石器时代中晚期，母系氏族社会经济高度发展，人们开始创造并广泛采用成套的刻划符号进行记录、计量。
数据库的诞生现代数据处理革命性的进展，要等到1960年。为了解决零件管理问题。一款叫做ICS的软件被研发出来了，专门用来管理这些零件信息。后来以此为基础诞生了大名鼎鼎的IMS(Information Management System)数据库。这是现代数据库的祖先。
如何理解数据库呢？可以把它想象为加强版的EXCEL，在一个表格中记录数据。例如学生的成绩单，记录有姓名、学科、成绩信息。想要查询下学生的平均成绩，只需要按顺序遍历这个表格，加和取平均数。如果学生很多，对于EXCEL来说那就比较麻烦，但对于数据库来说则比较简单，可使用一种叫SQL的语言，通过描述性的交互取得数据，非常方便。数据仓库的诞生数据库的诞生，很好地解决了保存、使用数据的问题，大量类似的产品涌现出来。但到了上世纪70、80年代，企业管理的内部数据发生了一些变化，一方面数据量越来越大，另一方面使用复杂度提高很多。各种复杂报表令人非常头疼，要在其中挖掘出数据背后的价值，当时的数据库已经跟不上需求。于是，专门用于数据分析的数据库诞生了——1988年数据仓库(Data Warehouse)的概念第一次被提出了。
数据仓库之于数据库就如同F1跑车与普通轿车的区别。普通轿车突出功能性、舒适性、安全性等等，可满足通用化的全面需求；而F1跑车则强调极致性能，而牺牲了舒适性等。数据仓库就是针对数据分析类场景，有特殊定制优化的产品。
大数据的冲击到了上世纪90年代，随着互联网的兴起，数据量爆炸式增长，数据处理规模已经从MB(1首MP3)、发展到TB(20万首歌)乃至EB级(2亿首歌)的惊人规模。此外，数据处理还产生了实时性等新要求，基于传统架构的数据仓库也面临巨大挑战。就在这个时候，大数据概念被首次提出了，拉开了“大数据”时代的大幕。原来令人困扰的问题，似乎一夜之间找到答案。不同于今天大家耳熟能详的大数据，这里的大数据可以理解为一种数据处理技术，简单说，就是在单台计算机简单计算的基础上，通过堆积计算机这样的线性扩展方式来处理数据。数据库和数据仓库当时处理不了的海量数据，在这种分布式处理思路下迎刃而解，数据库几十年的积累，一夜之间被大数据吊打。
回归数据库然而，大数据的狂野架构，从诞生之日起就决定其短板：分布式的方式固然很方便扩展，但是，作为大数据技术的基本单元，单机技术设计很粗糙，因此很快暴露出计算效率不高、精确性、准确度不足等问题。而大数据技术的短板，正式数据库的强项。事实上，后来大数据体系中引入SQL、MPP引擎、列存等等，正是吸取了数据库几十年来积累的一点点精华。但是大数据技术的基础过于野蛮，因此很难改进。而此时，因为分布式协议的成熟，为数据库解决此前无力承受的海量数据、多模异构等问题提供了技术方案。数据库的春天，又回来了！
说到分布式，相信很多人已经想到了云计算。正是分布式的云计算的兴起，让人们获取算力像获取自来水一样方便：即开即用，按需取用。而正是云计算与数据仓的“联姻”，让数据库用云计算的能力迎来新生。云端数据仓库，融合了云计算和数据库的能力：既可以通过云的能力无限弹性扩展，提高海量数据处理能力，又能通过数据库的能力，对数据进行复杂精细的分析。云数据仓库有多强？看看阿里云数据仓库AnalyticDB阿里云自主研发的云原生数据仓库AnalyticDB，顺应这一潮流而诞生。AnalyticDB采用存储计算分离+多副本架构，支持从1个节点到最大5000节点的实时按需弹性扩容，可实现PB级数据存储、查询秒级响应，解决了传统分析型数据库在数字时代的性能瓶颈，使业务分析效率从天级提升到分钟级乃至秒级。
在TPC最新发布的面向复杂分析场景TPC-DS 10TB权威基准测试中，AnalyticDB性能指标刷新世界纪录，荣登榜单第一名。在刚刚公布的2019年度浙江省科学技术奖励大会上，AnalyticDB荣获科技进步一等奖。(再想想，几千年前，我们还在用结绳记事……现在在用的东西，已经彻底看不懂了)目前，AnalyticDB已经服务于阿里经济体及众多外部企业用户，涵盖金融、政府、零售、互联网、教育等诸多行业，帮助更多企业从传统数仓升级到云原生数仓，体验云端数仓的魅力。我们始终相信，科技的未来，一定会更加美好。
数据处理的起源人类的发展，离不开数据的处理。最早的数据处理方式是什么？可能是结绳记事——这种古老的数据处理方式，包含了现代计算机拥有的数据存储、查询、分析等全部功能。这个方法貌似可以，但是数据量稍微大一点的话……
后来，人类创造出了文字后，数据处理能力就大多了。一个典型的“应用”是，从旧石器时代开始，人们就通过甲骨文进行记账。到新石器时代中晚期，母系氏族社会经济高度发展，人们开始创造并广泛采用成套的刻划符号进行记录、计量。数据库的诞生现代数据处理革命性的进展，要等到1960年。为了解决零件管理问题。一款叫做ICS的软件被研发出来了，专门用来管理这些零件信息。后来以此为基础诞生了大名鼎鼎的IMS(Information Management System)数据库。这是现代数据库的祖先。如何理解数据库呢？可以把它想象为加强版的EXCEL，在一个表格中记录数据。例如学生的成绩单，记录有姓名、学科、成绩信息。想要查询下学生的平均成绩，只需要按顺序遍历这个表格，加和取平均数。如果学生很多，对于EXCEL来说那就比较麻烦，但对于数据库来说则比较简单，可使用一种叫SQL的语言，通过描述性的交互取得数据，非常方便。数据仓库的诞生数据库的诞生，很好地解决了保存、使用数据的问题，大量类似的产品涌现出来。但到了上世纪70、80年代，企业管理的内部数据发生了一些变化，一方面数据量越来越大，另一方面使用复杂度提高很多。各种复杂报表令人非常头疼，要在其中挖掘出数据背后的价值，当时的数据库已经跟不上需求。于是，专门用于数据分析的数据库诞生了——1988年数据仓库(Data Warehouse)的概念第一次被提出了。数据仓库之于数据库就如同F1跑车与普通轿车的区别。普通轿车突出功能性、舒适性、安全性等等，可满足通用化的全面需求；而F1跑车则强调极致性能，而牺牲了舒适性等。数据仓库就是针对数据分析类场景，有特殊定制优化的产品。大数据的冲击到了上世纪90年代，随着互联网的兴起，数据量爆炸式增长，数据处理规模已经从MB(1首MP3)、发展到TB(20万首歌)乃至EB级(2亿首歌)的惊人规模。此外，数据处理还产生了实时性等新要求，基于传统架构的数据仓库也面临巨大挑战。就在这个时候，大数据概念被首次提出了，拉开了“大数据”时代的大幕。原来令人困扰的问题，似乎一夜之间找到答案。不同于今天大家耳熟能详的大数据，这里的大数据可以理解为一种数据处理技术，简单说，就是在单台计算机简单计算的基础上，通过堆积计算机这样的线性扩展方式来处理数据。数据库和数据仓库当时处理不了的海量数据，在这种分布式处理思路下迎刃而解，数据库几十年的积累，一夜之间被大数据吊打。回归数据库然而，大数据的狂野架构，从诞生之日起就决定其短板：分布式的方式固然很方便扩展，但是，作为大数据技术的基本单元，单机技术设计很粗糙，因此很快暴露出计算效率不高、精确性、准确度不足等问题。而大数据技术的短板，正式数据库的强项。事实上，后来大数据体系中引入SQL、MPP引擎、列存等等，正是吸取了数据库几十年来积累的一点点精华。但是大数据技术的基础过于野蛮，因此很难改进。而此时，因为分布式协议的成熟，为数据库解决此前无力承受的海量数据、多模异构等问题提供了技术方案。数据库的春天，又回来了！说到分布式，相信很多人已经想到了云计算。正是分布式的云计算的兴起，让人们获取算力像获取自来水一样方便：即开即用，按需取用。而正是云计算与数据仓的“联姻”，让数据库用云计算的能力迎来新生。云端数据仓库，融合了云计算和数据库的能力：既可以通过云的能力无限弹性扩展，提高海量数据处理能力，又能通过数据库的能力，对数据进行复杂精细的分析。云数据仓库有多强？看看阿里云数据仓库AnalyticDB阿里云自主研发的云原生数据仓库AnalyticDB，顺应这一潮流而诞生。AnalyticDB采用存储计算分离+多副本架构，支持从1个节点到最大5000节点的实时按需弹性扩容，可实现PB级数据存储、查询秒级响应，解决了传统分析型数据库在数字时代的性能瓶颈，使业务分析效率从天级提升到分钟级乃至秒级。在TPC最新发布的面向复杂分析场景TPC-DS 10TB权威基准测试中，AnalyticDB性能指标刷新世界纪录，荣登榜单第一名。在刚刚公布的2019年度浙江省科学技术奖励大会上，AnalyticDB荣获科技进步一等奖。(再想想，几千年前，我们还在用结绳记事……现在在用的东西，已经彻底看不懂了)目前，AnalyticDB已经服务于阿里经济体及众多外部企业用户，涵盖金融、政府、零售、互联网、教育等诸多行业，帮助更多企业从传统数仓升级到云原生数仓，体验云端数仓的魅力。我们始终相信，科技的未来，一定会更加美好。