Was ist der Unterschied zwischen HDFS und Mongodb?

hdfs Der Unterschied zwischen Mongodb ist: 1. MongoDB eignet sich für verschiedene Daten ohne strenge Transaktionsanforderungen, während HDFS einen relativ großen Speicheraufwand für eine große Anzahl kleiner Dateien aufweist und für die Verarbeitung großer Dateien geeignet ist zum Zwischenspeichern und besser zum Schreiben geeignet. Das Anwendungsszenario besteht darin, einmal einzugeben und mehrmals zu lesen.

hdfs mongodb Der Unterschied ist:

MongoDB: Protokollerfassung und -speicherung, verteilte Speicherung kleiner Dateien, Datenspeicherung ähnlich Internet-Weibo-Anwendungen

1) Geeignet für nicht strikte Transaktionalität Verschiedene Daten B. Objektdaten, Daten im JSON-Format

2) Aufgrund seiner sehr hohen Leistung eignet es sich sehr gut für das Einfügen, Aktualisieren und Suchen in Echtzeit und weist eine hohe Skalierbarkeit auf

3) Geeignet für Caching

HDFS : geeignet Große Dateien werden gespeichert und können angehängt, aber nicht geändert werden. Geeignet für die Hadoop-Offline-Datenanalyse und die Apache Spark-Datenspeicherung.

1) HDFS hat einen relativ großen Speicheraufwand für eine große Anzahl kleiner Dateien und eignet sich daher für die Verarbeitung großer Dateien. Wenn mehrere kleine Dateien vorhanden sind, können diese zur Verarbeitung zu großen Dateien zusammengeführt werden.

2) HDFS ist für hohen Durchsatz geeignet, nicht geeignet für niedrigen zeitverzögerten Zugriff

3) HDFS ist für Streaming-Lesen geeignet und eignet sich nicht für mehrere Benutzer zum Schreiben einer Datei, für zufällige Schreibvorgänge und für Dateiüberschreibvorgänge

4) HDFS ist geeignet besser geeignet zum einmaligen Schreiben und mehrmaligen Lesen Replikation und hohe Skalierbarkeit sind für die Echtzeit-Datenspeicherung der Website erforderlich.

b. Caching: Aufgrund seiner hohen Leistung eignet sich Mongo auch als Caching-Schicht für die Informationsinfrastruktur. Nach dem Neustart des Systems kann der von Mongo erstellte persistente Cache verhindern, dass die zugrunde liegende Datenquelle überlastet wird.

c. Große Datenmengen mit geringem Wert: Es kann teurer sein, einige Daten in herkömmlichen relationalen Datenbanken zu speichern. Zuvor entschieden sich viele Programmierer häufig für die Speicherung in herkömmlichen Dateien. d. Szenarien mit hoher Skalierbarkeit: Mongo eignet sich sehr gut für Datenbanken, die aus Dutzenden oder Hunderten von Servern bestehen.

e. Wird zur Speicherung von Objekten und JSON-Daten verwendet: Das BSON-Datenformat von Mongo eignet sich sehr gut zur Speicherung und Abfrage von Dokumentformaten.

Ungeeignete Szenarien:

a. Stark transaktionale Systeme: wie Bank- oder Buchhaltungssysteme. Herkömmliche relationale Datenbanken eignen sich derzeit besser für Anwendungen, die eine große Anzahl atomarer und komplexer Transaktionen erfordern.

b. Traditionelle Business-Intelligence-Anwendungen: BI-Datenbanken für spezifische Probleme führen zu hochoptimierten Abfragemethoden. Für solche Anwendungen ist ein Data Warehouse möglicherweise die geeignetere Wahl.

c. Fragen, die SQL erfordern.

HDFS-anwendbare Szenarien

Daten auf GB-, TB- oder sogar PB-Ebene

Die Anzahl der Dateien über einer Million skaliert

10K+ Knotenskala

Das obige ist der detaillierte Inhalt vonWas ist der Unterschied zwischen HDFS und Mongodb?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!