本文目录一览：
微博如何使用大数据存储技术
第二，就是可 以做无状态服 务，后面会详细讲，还有数据量大了后需要做数据Sharding，后面会将。
通过微博数据分析软件如蚁坊软件这类的可对微博上的数据进行收集提取，根据系统提取的信息自动进行聚合、分类、分析，并生成相关的数据分析图表和报告。
使用微博的搜索功能和微博的超级话题。同城大号铺发优质内容，使用微博的搜索功能和微博的超级话题。微博是指一种基于用户关系信息分享、传播以及获取的通过关注机制分享简短实时信息的广播式的社交媒体、网络平台。
采集技术。信息采集技术是信息处理技术的起始点，通过信息采集技术可以有效地收集信息并将其存储于数据库中。除了拥有着目标数据获取、目标数据筛选、目标数据传输等重要作用。
为什么MongoDB适合大数据的存储
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。
因此，对于需要处理大量数据的应用，如大数据、日志处理等，MongoDB是一个很好的选择。 无结构或半结构化数据：MongoDB的面向文档的特性使得它非常适合存储无结构或半结构化数据。
MongoDB对于对像数据的存储非常方便，类可以直接序列化成JSON存储到MongoDB中。 但是需要先了解一些最佳实践，避免当数据变大后，由于文档设计问题而造成的性能缺陷。
MongoDB几个推荐的亮点：丰富的数据模型扩展性好丰富的弄能速度快易于管理上面这几个亮点对于数据仓库而言优势不是很明显。
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。
为什么要用mongodb?
为什么要用MongoDB 为什么要用MongoDB取代传统关系型数据库？其实不是取代，只是对传统数据库的文档型补充。
◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。自然，MongoDB的使用也会有一些限制，例如它不适合：◆高度事务性的系统：例如银行或会计系统。
缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。在系统重启之后，由MongoDB搭建的持久化缓存层可以避免下层的数据源过载。（3）大尺寸，低价值的数据。
MongoDB属于内存型数据库，在需要读性能要求很高的项目中有着比较不错的表现。
可扩展性 MongoDB被用在一些规模庞大的环境中，FourSquare/Craiglist都在使用它。通过分片数据缩放处理理论上可实现更高的吞吐量。
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。
● 物流场景：使用MongoDB存储订单信息，订单状态在运送过程中会不断更新，以MongoDB内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。
◆高伸缩性的场景：Mongo非常适合由数十或数百台服务器组成的数据库。Mongo的路线图中已经包含对MapReduce引擎的内置支持。◆用于对象及JSON数据的存储：Mongo的BSON数据格式非常适合文档化格式的存储及查询。
mongo集群可以用来进行海量数据分析吗
1、MongoDB 是一个典型的NoSQL（not only sql）数据库是开源的面向文档的数据库管理系统，主要实现NoSQL数据库管理系统，用于存储海量数据（humongous，Mongo名称的由来）。
2、所以感觉如果只是用于海量实时的小数据那么MongoDB可能会好点，但是如果还需要对数据进行统计分析，那么最好还是考虑统计分析的因素。如你使用mapreduce进行数据统计分析，那么hbase可能会更好些，虽然MongoDB也支持mr。
3、MongoDB数据结构比较单一，但是支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富。性能：redis更适用于较小数据量的性能及运算mongodb则在海量数据的访问下性能更优可靠性：二者均支持持久化。
4、海量数据进行有效的分析，还是应该将这 些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。
5、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。
