- 大交易数据：电商，例如：B2B、B2C、C2C、团购；大交互数据：社交网络数据、SNS、微博；大数据特征：volume体量大、variety种类多、velocity速度快、value价值密度低；大数据时代下系统需求：高并发读写需求和实时动态获取和更新数据、海量数据的高效率存储和访问的需求、高可扩展和高可用性的需求，需要有快速横向扩展能力；
1. 高并发读写需求
问题：
数据库读写压力大，硬盘IO无法承受；
解决：
主从分离，分库分表，缓解写压力，增强读库可扩展性。
2. 海量数据的高效率存储和访问的需求
问题：
存储记录数量有限，SQL查询效率低；
解决：
分库分表，缓解数据增加压力
3. 高可扩展性和高可用性的需求
问题：
横向扩展难，无法通过快速增加服务器节点实现，系统升级和维护造成服务不可用；
解决：
主从分离、增强读库的可扩展性、MMM。
4. 分库分表缺点：
1）受业务规则影响，需求变动导致分库分表维护复杂；2)系统数据访问层代码需修改
5. 主从分离缺点：
1)slave实时性保障，对于实时性很高的场合需要处理；2)高可用性问题，master易产生单点故障问题
6. MMM缺点：
本身扩展性差，一次只有一个master可以写入，只能解决有限数据量下的可用性。
- nosql优势：高可用、大数据量、高性能、易扩展、灵活的数据模型。CAP原理三要素：一致性、可用性、分区容忍性。（注意：三要素最多同时实现两点，分布式大数据系统分区容忍性是基本要求；大多数web应用牺牲一致性换取高可用性；例如：CA：MySQL；CP：redis、hbase、big table、mongodb；AP：Cassandra）nosql核心理论：Google的big table；Amazon的dynamonosql分类：
主流nosql数据库：
1). bigtable：a.适合大规模海量数据；b.分布式并发数据处理效率高；c.易扩展支持动态伸缩；d.适用于廉价设备；e.适合读操作不适合写操作；f.不适合传统关系数据库。
2). dynamo：a.高可用、b.总是可写、c.优化可用性，容错性，高效性配置；d.可扩展性差。
3). Cassandra：a.模式灵活；b.真正的可扩展性，c.多数据中心识别。
4). Hbase：列式存储数据库
5). redis：key-value存储系统
6). mongodb：a.面向集合存储；b.模式自由；c.文档型；d.高效的数据存储；e.支持复制和故障恢复；f.自动分片。
