Quelle est la différence entre hdfs mongodb

La différence entre hdfs et mongodb est la suivante : 1. MongoDB convient à diverses données sans exigences de transaction strictes, tandis que HDFS a une surcharge de stockage relativement importante pour un grand nombre de petits fichiers et convient au traitement de fichiers volumineux ; 2. MongoDB convient à la mise en cache. Il est plus adapté à l'écriture unique et à la lecture de nombreux scénarios d'application.

La différence entre hdfs mongodb est :

MongoDB : collecte et stockage de journaux, petits fichiers distribués stockage, similaire au stockage de données des applications Internet Weibo

1) Convient à diverses données sans exigences de transaction strictes, telles que les données d'objet, les données au format JSON

2) En raison de très hautes performances, très adaptées à l'insertion, à la mise à jour et à la recherche en temps réel, et hautement évolutives

3) Convient à la mise en cache

HDFS : convient au stockage de fichiers volumineux, peut être ajouté, mais ne peut pas être modifié. Convient à l'analyse de données hors ligne Hadoop et au stockage de données Apache Spark.

1) HDFS a une surcharge de stockage relativement importante pour un grand nombre de petits fichiers et convient au traitement de fichiers volumineux, s'il existe plusieurs petits fichiers, ils peuvent être fusionnés en fichiers volumineux pour le traitement. 🎜>

2) HDFS Convient pour un débit élevé, mais ne convient pas pour un accès à faible latence

3) HDFS convient à la lecture en streaming et ne convient pas à plusieurs utilisateurs pour écrire un fichier, écriture aléatoire et opérations d'écrasement de fichiers

4) HDFS est plus adapté pour l'écriture unique et la lecture de plusieurs scénarios d'application

mongodb convient aux scénarios suivants :

a. Données du site Web : Mongo est très approprié pour l'insertion, la mise à jour et les requêtes en temps réel, et possède la réplication et la haute évolutivité requises pour le stockage des données en temps réel du site Web.

b. Mise en cache : En raison de ses hautes performances, mongo convient également comme couche de mise en cache pour l'infrastructure d'information. Après le redémarrage du système, le cache persistant construit par mongo peut empêcher la surcharge de la source de données sous-jacente.

c. Données de grande taille et de faible valeur : il peut être plus coûteux de stocker certaines données à l'aide de bases de données relationnelles traditionnelles. Avant cela, de nombreux programmeurs choisissaient souvent des fichiers traditionnels pour le stockage.

d. Scénarios de haute scalabilité : mongo est très adapté aux bases de données composées de dizaines ou de centaines de serveurs.

e. Utilisé pour le stockage d'objets et de données JSON : le format de données BSON de mongo est très approprié pour le stockage et les requêtes au format de documents.

Scénarios inappropriés :

a. Systèmes hautement transactionnels : tels que les systèmes bancaires ou comptables. Les bases de données relationnelles traditionnelles sont actuellement plus adaptées aux applications nécessitant un grand nombre de transactions atomiques et complexes.

b. Applications de business intelligence traditionnelles : les bases de données BI ciblant des problèmes spécifiques généreront des méthodes de requête hautement optimisées. Pour de telles applications, un entrepôt de données peut être un choix plus approprié.

c. Questions qui nécessitent SQL.

Scénarios applicables HDFS

Données au niveau Go, To ou même PB

Nombre de fichiers dépassant un million d'échelle

10K+ Échelle des nœuds

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!