博客数据库技术在过去的二十年里得到了迅速的发展。在线分析处理（OLAP）在20世纪90年代获得了显著的地位，但在21世纪初逐渐失去了对内存数据库的青睐。然而，现代商业智能的要求已经提出了一个挑战，内存数据库将很难作出反应。这反过来又带来了下一代数据库和查询芯片内分析。这种新开发的技术以创新的方式利用CPU、RAM和磁盘存储，以解决当前BI软件被迫处理的数据集的复杂性和大小问题，以便在合理的时间范围内向最终用户提供有效的见解。什么是数据库技术？数据库技术获取信息、存储、组织和处理信息，使用户能够轻松、直观地返回并找到他们正在搜索的详细信息。数据库技术有各种形式和大小，云服务器平台，从复杂到简单，人工智能本科，从大到小。重要的是要考虑您选择的数据库技术将如何随着数据大小的增长而增长，以及它将如何与您用来查询数据的任何软件交互。让我们开始把它分解。OLAP多维数据集：概述OLAP技术在20年前为商业智能提供了一个很好的基础，但是由于受到一些限制，使得它不太适合大多数现代的BI项目。它允许用户快速接收特定预定义查询的答案，但在涉及到更大的数据集和特别查询时，它是资源密集型的，而且存在问题。OLAP数据库将基于表的数据集转换为多维数组Cubes，以优化查询和数据检索。然后，用户可以访问数据的特定维度以进行分析。为了回答查询，OLAP多维数据集通常包括汇总单元格，这些单元格根据特定的参数（如随时间变化的销售额或按位置的项目销售额）包含聚合数据。当系统处于"静止"状态（即最终用户不使用）时，这些聚合是预先计算的。因此，一旦查询完成，答案就已经在数据立方体中，并立即检索到。问题OLAP多维数据集有其缺点，主要有：资源密集型数据存储和管理：每个附加查询都需要向多维数据集添加一个新维度，这意味着在数据存储方面复制整个多维数据集。添加新数据时生成每个新构建的时间很长：聚合数据需要CPU处理数据库的每个单元。需要预先定义查询：新查询，wap自助建站，数据不是预先计算的，需要添加额外的维度–这是一个漫长的过程。内存数据库内存技术（即，将整个数据库加载到RAM中，然后将其传输到CPU以执行计算）已成为商业智能的主要解决方案，因为它为用户提供了接收查询的快速答案的能力，云服务器好还是，而无需进行长时间的构建和预计算；但它的大小和现代数据的复杂性迫使内存数据库面临其局限性。一般来说，计算机有两种类型的数据存储机制-磁盘（通常称为硬盘）和RAM（随机存取存储器）。下表概述了它们之间的重要区别：大多数现代计算机的可用磁盘存储空间是RAM的15-100倍。然而，从磁盘读取数据要比从RAM读取相同的数据慢得多。这就是1GB RAM的成本大约是1GB磁盘空间的320倍的原因之一。内存技术旨在解决性能问题，方法是将整个数据库预加载到RAM中，并将数据从RAM加载到CPU以执行计算和数据检索。问题可伸缩性：当数据集很简单且很小时，与其他解决方案相比，内存技术可以实现快速开发。它继续面临的挑战是，RAM在用于存储和分析原始业务数据时，往往会很快、出乎意料地用完。RAM是昂贵的：事实是，数据集越来越大，公司生成和使用的信息比以往任何时候都多。这种数据量的指数级增长并没有反映在RAM价格的类似下降上——虽然它确实比15年前便宜，但它仍然是相对昂贵的存储，如果不获得可观的成本，淘客选品，就无法无限期地扩展。因此，在这个时间点上，考虑到现代企业正在收集和分析的数据的数量和复杂性，内存技术似乎刚刚达到了它的玻璃天花板，不再能够保证合理的性能。ElastiCubes和In-Chip®分析In-Chip®技术是数据库技术的最新发展。它将基于内存的查询的灵活性与OLAP多维数据集的速度和健壮性相结合，不需要硬件成本和传统解决方案难以实现的问题。尽管是最近才开发和发布的，In-Chip®由于其更高的性能和处理复杂和大型数据集的能力而迅速受到欢迎。ElastiCube是Sisense开发的一种独特的数据库形式，它彻底分析了OLAP和内存技术的优缺点。它的名字来自于数据库的独特能力，它能够超越旧技术所带来的硬限制。In-Chip®是用于业务分析的最新一代内存技术，它以其快速和可扩展性而独树一帜。它使用基于磁盘的列式数据库进行存储，以提供快速的磁盘读取，并能够在需要时将数据从磁盘加载到RAM（反之亦然）。查询本身完全在内存中处理，没有任何磁盘读取。最重要的是，在任何给定的时间，只有一部分数据被物理地存储在RAM中，为其他操作的并行执行留下了更多的空间-换句话说，RAM限制的问题比以前的内存技术小，因为没有必要将整个数据永久地保存在RAM中。这是通过高级压缩以及识别数据集中不定期使用的部分而实现的，这些部分通常占企业收集的数据的80%左右。进一步的优化是通过使用一种独特的处理连接的方式来完成的。In-Chip®没有连接表，而是使用列式代数在字段之间进行合并。因此，连接操作可以完全在CPU缓存中处理。所有这些因素加在一起，在商品硬件上产生了无与伦比的性能比率，即使是涉及到巨大、复杂的数据集时，这些数据集以前甚至需要进行大规模的硬件升级才能考虑处理。数据库的未来？正如我们所看到的，OLAP和内存技术都存在可伸缩性问题，而且在数据大小、复杂性和实现成本方面，对于它们为21世纪商业智能的需求提供合理解决方案的能力存在重大疑问。标签：MongoDB | MySQL | OLAP