大家一般用什么数据库作为数据仓库（ 200+TB 级别）

[Feiox]

功能很简单，存储大量纯文本数据（ zip 压缩率能到 30%），并可以通过 ID 去查找的目标数据， 3 秒之内读出即可。自建集群，需要进行不太严格的备灾。
但是，数百 TB 还在每天好多 G 的往上涨。。。
那么，该选用什么什么数据库比较好呢？
MongoDB 3 中的 WiredTiger ？ Hbase ？还是什么？

[northisland]

关注=_=

[yinheli]

我也有类似你这样的需求. 不过数据量大概是你的 80% 的样子... 也在考虑 mongodb

同关注

[lhbc]

直接存文件，然后数据库记录存储路径
存储层可以采用分层存储，冷数据丢 7200rpm 的硬盘上，热数据在 SSD 上，更热的在内存里
文件的存储和灾备，比几百 TB 的数据库要易维护得多

[dong3580]

@yinheli
这么多，还要 3s 之内的，上 mongodb 可不是一般的豪吧。

@lhbc
可行，

[c4pt0r]

HBase + TiDB

[Feiox]

@lhbc @dong3580 可是这么多数据，如何处理自动压缩、备份的这些杂事呢 ~

[abelyao]

好奇什么数据 200TB 之前却没有一个在用的方案…？

[Feiox]

@c4pt0r 项目很赞。。。。。不过，公司用的不敢上 alpha 版啊 ~

[jackysc]

要不楼主关注一下 greenplum? 最近开源了 可以压缩+列存储

[knktc]

那就直接用 HBase 试试吧，建表时开启压缩

[Orzzzz]

如果数据是社工库的话那就好玩了～

[wy315700]

drill

[msg7086]

GlusterFS 直接丢文件系统呢？文件直接拿 xz 或者 gz 或者 lzma 搞一搞？

[likuku]

@Feiox 压缩保存？ ZFS 开启 lz4 压缩开关就很好了，对于内容重复性高，文本文件，压缩率很高，使用上完全透明，性能下降？几乎觉察不到。甚至在读大型单个文件时，比不开压缩的还要快(读取压缩数据+解压 耗时少于 直接读取巨大原始文件）

[lhbc]

@Feiox 压缩你可以在存储的时候直接压好再写入磁盘， gz 的计算量不大
比如 a.txt ，直接压缩保存为 a.txt.gz

使用文件就容易了，直接按目录来
比如 /data/2015/12/01/<sha1>.txt.gz
sha1 直接计算文件的值

然后数据库记录
id, filename, datastamp, sha1, location

这样处理起来多方便，备份也简单

现成的开源也有相应的方案，不过结构就复杂多了

[Andy1999]

redis 试试看

[zeinipiyan]

小说站？

[Muninn]

需要用 sql 语句带 where 之类的去查 就用 greenplum

要是只是通过 id 查 上边说的用文件就可以了

[RangerWolf]

Cassandra + Spark 还可以~
Cassandra 建表的时候直接使用 id 作为主键~ 返回时间估计连 1s 都不用

MongoDb 之前我们也考虑过，不过听旁边的组说有丢数据的现象，不过也没确认是 MongoDB 的错

[Feiox]

@RangerWolf 那压缩率呢？不用文件系统主要是觉得很多都需要自己手动配置。。。
MongoDB 。。。呃，为什么这么多年过去了，他还在背负着这个名声。。。