内存数据库正在成为主流。目前，所有主要数据库供应商和许多初创公司都提供内存数据库解决方案，返利手游平台，与基于磁盘的RDBMS相比，性能提高了一个数量级。

易失性内存的价格为每GB 6-7美元（截至2016年11月），最新的8插槽服务器可支持高达24TB的RAM，这意味着内存技术在适用于大多数组织和应用程序。

那么为什么不使用内存数据库呢？

如果你问许多行业专家，即使是在2016年末，内存数据库也不适合所有人。这里有三个被广泛认为不适合内存的常见用例：

我们应该在磁盘上运行它吗？

在所有这些情况下，简单的答案是肯定的。但如果您从战略角度考虑数据，并考虑到内存技术的一些鲜为人知的好处，您可能会发现，即使在这些情况下，内存技术实际上也是适用的。它甚至可以改变游戏。

在本文的剩余部分，我们将带您踏上一段知识之旅，重新想象一些"在磁盘上运行它"的明显原因。

点击您感兴趣的用例，看看在磁盘上运行它是否真的有意义：

►小规模►超大规模（数据量）►非关键任务系统

小规模→仅在磁盘上运行？

随着系统的发展，复杂的数据模型可能会导致非常高的计算负载-即使是在小规模系统中。内存系统可以提供帮助，因为它们针对复杂的数据处理进行了强大的优化。

如果您有一个复杂的数据模型-大量的表、表之间的复杂关系、存储过程等-您的系统可能会进行大量的处理，甚至对于简单的查询。数据的大小和复杂性不是一成不变的：想象一家公司在一个电子商务网站上销售100种产品，然后由于一个商业决策，开始销售1000种产品。或者，他们不再为每个产品存储10个功能，而是开始存储1000个功能。你无法真正预测你的数据会发生什么，或者数据增长的速度有多快。

如果你面对数据的复杂性，在某个时候，即使是一个低吞吐量的系统也会超过它使用基于磁盘的RDBMS的单机。性能会降低，您必须对数据库进行分区或切分，或者考虑迁移到NoSQL或分布式体系结构。所有这些选项都不容易，您将不得不在性能问题中彻底解决它们。如果你正在构建一个绿地应用程序，你应该考虑从第一天开始构建它，以承受将来的复杂性。

在任何数据库系统（无论是基于磁盘还是基于内存）中，从数据库加载数据后，对数据执行的任何计算都会发生在内存中。纯内存系统首先将数据存储在内存中，因此检索数据进行处理的速度更快。但单凭这一点并不能帮助我们解决复杂性问题。让我们关注另一点：当数据在内存中时，您能以多快的速度处理它？

一些数据库为内存中的数据处理提供了性能优化，爱返利，可以使复杂的数据处理更快。例如，我们的内存数据库SAP HANA使用列式数据模型优化复杂的查询性能，对数据进行"后期物化"：它将数据保持在压缩形式，并在将数据加载到内存之前执行尽可能多的联接、视图、选择、筛选和聚合，减少需要完成的处理量。此外，数据存储在缓存感知结构中，高效利用现代CPU，包括利用多CPU核的全多线程处理。由于这些优化，SAP通常会看到复杂查询的性能提高高达10000倍。

再举一个例子，今天提供内存内功能的Microsoft SQL server提供了一种称为内存内OLTP的功能，它提高了事务处理、数据接收和数据加载的性能，行业云，并针对以下方面进行了优化：存储过程和瞬态数据场景。微软表示，与SQL Server中的常规Transact-SQL处理相比，这大大提高了性能。

我们的要点是内存数据库不仅可以让您更快地检索数据，还可以帮助您更快地处理数据，因为它们使用了内存感知性能优化和多线程体系结构。如果你面对的是数据的复杂性，多线云主机，那么优化你对数据的计算是非常有价值的。

在数据库的基础上建立一个新的小规模系统，对复杂的数据和查询进行强大的优化，将可以预先解决数据复杂性的问题。因为优化内存处理速度快了几个数量级，即使数据复杂性增加，性能也几乎不会受到影响。这意味着您的系统将更能够处理复杂的数据和分析需求。

传统的分析和报告将降低OLTP系统的速度，并最终需要一个单独的OLAP系统。使用内存数据库，您可以在同一数据库服务器上添加分析、报告甚至完整的OLAP系统，而不会降低性能。

在OLTP/事务系统中，几乎总是需要某种分析或报告。但它通常是事后才实现的：首先我们构建事务系统，然后找出如何生成用户可能需要的报告或指标。