本文目录一览：
为什么MongoDB适合大数据的存储
1、◆缓存：由于性能很高，Mongo也适合作为信息基础设施的缓存层。在系统重启之后，由Mongo搭建的持久化缓存层可以避免下层的数据源过载。
2、数据模型自由：MongoDB 允许用户创建自由的数据模型，无需遵循传统的关系型数据库中的严格模式。这使得 MongoDB 非常适合存储非结构化或半结构化数据。
3、因MongoDB是文档型数据库，为非结构货的文档增加一个新字段是很快速的操作，并且不会影响到已有数据。另外一个好处当业务数据发生变化时，是将不在需要由DBA修改表结构。
4、网站数据：MongoDB适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。（2）缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。
5、MongoDB更类似MySQL，支持字段索引、游标操作，其优势在于查询功能比较强大，擅长查询JSON数据，能存储海量数据，但是不支持事务。Mysql在大数据量时效率显著下降，MongoDB更多时候作为关系数据库的一种替代。
6、使用JSON风格语法，易于掌握和理解：MongoDB使用JSON的变种BSON作为内部存储的格式和语法。针对MongoDB的操作都使用JSON风格语法，客户端提交或接收的数据都使用JSON形式来展现。相对于SQL来说，更加直观，容易理解和掌握。
mongo集群可以用来进行海量数据分析吗
1、Mongo是一个高性能，开源，无模式的文档型数据库，它在许多场景下可用于替代传统的关系型数据库或键/值存储方式。Mongo使用C++开发，提供了以下功能：◆面向集合的存储：适合存储对象及JSON形式的数据。
2、大数据分析的前瞻性使得很多公司以及企业都开始使用大数据分析对公司的决策做出帮助，而大数据分析是去分析海量的数据，所以就不得不借助一些工具去分析大数据，。
3、网站数据：MongoDB适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。（2）缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。
mongodb使用场景是什么?
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。
使用场景：（1）网站数据：MongoDB适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。（2）缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。
MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
hadoop和mangoDb用作大数据分析哪个更好
1、MongoDB 是世界领先的数据库软件。它基于 NoSQL 数据库，可用于存储比基于 RDBMS 的数据库软件更多的数据量。MongoDB 功能强大，是最好的大数据分析工具之一。它使用集合和文档，而不是使用行和列。
2、Cloudera数据分析 Cloudera实际上是增加了一些额外服务的Hadoop，非常需要这个，因为大数据不容易搞。Cloudera的服务团队不仅可以帮助构建大数据集群，还可以帮助培训员工，更好地访问数据。
3、Apache Cassandra是一个分布式数据库，可提供高可用性和可扩展性，而不会影响性能效率。
4、Cloudera 实际上，Cloudera只是增加了一些其它服务的Hadoop，因为大数据并不是容易搞，需要我们构建大数据集群， 而Cloudera的团队就可以为我们提供这些服务，还能帮培训员工。
用户数据库是用mongodb好,还是用mysql好
MongoDB是一个面向文档的数据库，目前由10gen开发并维护，它的功能丰富，齐全，完全可以替代MySQL。
一般情况下，使用mysql，只有大数据或者并发很高的时候才使用mongodb。还有，mysql支持事务，mongodb是不支持的。使用oracle、sql server也是不错的。
默认情况下，对比事务安全，MongoDB更关注高的插入速度。如果你需要加载大量低价值的业务数据，那么MongoDB将很适合你的用例。但是必须避免在要求高事务安全的情景下使用MongoDB，比如一个1000万美元的交易。
MySQL是首选的数据库，主要是因为它是免费的开源代码，并且具有良好的读取性能，非常适合从数据库动态生成网站的“ Web 0”应用程序。
MySQL：开源免费，适合小型项目和网站，易于使用，具有广泛的社区支持和资源。PostgreSQL：开源免费，适合大型项目和企业应用，功能强大，支持高级特性，例如完整的事务处理和高级查询语言。
大数据分析常用的工具有哪些?
1、数据分析的工具千万种，综合起来万变不离其宗。无非是数据获取、数据存储、数据管理、数据计算、数据分析、数据展示等几个方面。而SAS、R、SPSS、python、excel是被提到频率最高的数据分析工具。
2、SPSS（SPSS Statistics）和SAS作为商业统计软件，提供研究常用的经典统计分析（如回归、方差、因子、多变量分析等）处理。
3、数据处理工具：Excel 数据分析师，在有些公司也会有数据产品经理、数据挖掘工程师等等。他们最初级最主要的工具就是Excel。有些公司也会涉及到像Visio，Xmind、PPT等设计图标数据分析方面的高级技巧。
4、专业的大数据分析工具FineReportFineReport是一款纯Java编写的、集数据展示（报表）和数据录入（表单）功能于一身的企业级web报表工具，只需要简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。
5、Cloudera 实际上，Cloudera只是增加了一些其它服务的Hadoop，因为大数据并不是容易搞，需要我们构建大数据集群， 而Cloudera的团队就可以为我们提供这些服务，还能帮培训员工。
6、大数据分析工具有：R-编程 R 编程是对所有人免费的最好的大数据分析工具之一。它是一种领先的统计编程语言，可用于统计分析、科学计算、数据可视化等。R 编程语言还可以扩展自身以执行各种大数据分析操作。
