本文目录一览：
对比MySQL,什么场景MongoDB更适用
1、对比MySQL，什么场景MongoDB更适用 MySQL 关系型数据库。 在不同的引擎上有不同 的存储方式。 查询语句是使用传统的sql语句，拥有较为成熟的体系，成熟度很高。
2、默认情况下，MongoDB更侧重高数据写入性能，而非事务安全，MongoDB很适合业务系统中有大量“低价值”数据的场景。但是应当避免在高事务安全性的系统中使用MongoDB，除非能从架构设计上保证事务安全。
3、MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
非关系型数据库有哪几个
1、非关系型数据库：常见的有： NoSql、MongoDB、redis等。
2、常见的非关系型数据库有：NoSql、Cloudant、MongoDB、redis、HBase。mongodb；cassandra；redis；hbase；neo4j；其中mongodb是非常著名的NoSQL数据库，它是一个面向文档的开源数据库。
3、常见的非关系型数据库有：mongodb；cassandra；redis；hbase；neo4j。其中mongodb是非常著名的NoSQL数据库，它是一个面向文档的开源数据库。
4、非关系型数据库（NoSQL）包括：BigTable（Google）、Cassandra、MongoDB、CouchDB、键值（key-value）数据库、Apache Cassandra（为Facebook所使用）：高度可扩展、Dynamo、LevelDB（Google）。希望能帮到您。
互联网如何海量存储数据?
目前存储海量数据的技术主要包括NoSQL、分布式文件系统、和传统关系型数据库。随着互联网行业不断的发展，产生的数据量越来越多，并且这些数据的特点是半结构化和非结构化，数据很可能是不精确的，易变的。
海量小文件存储，百亿级文件高效访问 SandStone MOS基于完全分布式的数据和元数据存储架构，为海量小文件存储而生，将企业级NAS存储的千万文件量级提升至互联网规模的百亿级别，帮助企业从容应对几何级增长的海量小文件挑战。
大数据采用分布式架构，需要对大量数据进行分布式数据挖掘，因此必须依赖云计算的分布式处理、分布式数据库和云存储、虚拟化技术。数据大致分为两类：热数据和冷数据。热点数据：需要计算节点频繁访问的在线数据。
因为传统存储技术，难以解决B端互联网大数据痛点，传统存储技术受到容量，性能和架构限制不具备扩展性和兼容性。当然，云计算巨头们也有在考虑冷数据存储问题，推出的产品有同质化趋势。
数据采集第一步，获取数据。这个过程包括分析，验证，清洗，转换，去重，然后存到适合你们公司的一个持久化设备中（硬盘、存储、云等）。 在下面的章节中，本文将重点介绍一些关于如何获取数据方面的非常重要的技巧。
