本文目录一览

1，android开发什么情况下使用数据库

android开发的话，如果涉及到多个实体类需要保存，增删改查比较多的话，

android开发什么情况下使用数据库

2，什么情况下需要使用分布式数据库

设计分布式数据库时，应特别考虑如下几个方面的问题：1. 数据保存 (存储分段/复制，横向/纵向表分区);2. 目录管理(catalog management): 命名，数据独立性3. 查询处理(基于代价的调优， 半合并)4. 数据更新(同步/异步)
一般功能测试会在一下四种情况下需要使用到数据库： 1.执行测试用例过程中，借助数据库验证数据的准确性与完整性； 2.精确定位缺项时，有时需要到数据库查看数据的详细信息； 3.针对某些特许的测试场景，测试人员往往需要利用数据库构建相关测试数据； 4.应用软件升级时，测试升级数据库脚本的场景下，测试人员需要和数据库打交道。 我在入门学习的时候一直看的黑马程序员的视频，他们有自己的视频库，比较丰富的系统的讲过相关内容。你可以去看看。

什么情况下需要使用分布式数据库

3，Redis数据库适合使用于哪些应用场景

redis开创了一种新的数据存储思路，使用redis，我们不用在面对功能单调的数据库时，而是利用redis灵活多变的数据结构和数据操作。1、首先redis内部使用一个redisobject对象来表示所有的key和value,redisobject最主要的信息如上图所示：type代表一个value对象具体是何种数据类型，encoding是不同数据类型在redis内部的存储方式，比如：type=string代表value存储的是。2、一个普通字符串，那么对应的encoding可以是raw或者是int,如果是int则代表实际redis内部是按数值型类存储和表示这个字符串的，当然前提是这个字符串本身可以用数值表示，比如:"123""456"这样的字符串。3、这里需要特殊说明一下vm字段，只有打开了redis的虚拟内存功能，此字段才会真正的分配内存，该功能默认是关闭状态的，该功能会在后面具体描述通过发现redis使用redisobject来表示所有的key/value数据是比较浪费内存的，当然这些内存管理成本的付出主要redis不同数据类型提供一个统一的管理接口，实际作者也提供了多种方法帮助我们尽量节省内存使用，我们随后会具体讨论。

Redis数据库适合使用于哪些应用场景

4，hbase和hive的差别是什么各自适用在什么场景中

hbase和hive的差别对比：1、hbase当前nosql数据库的一种，hive是hdfs分布式文件系统的一种，二者对数据的存储方式是不同的。2、使用场景： hbase最常见的应用场景就是采集的网页数据的存储，由于是key-value型数据库，可以再扩展到各种key-value应用场景，如日志信息的存储，对于内容信息不需要完全结构化出来的类cms应用等。注意hbase针对的仍然是oltp应用为主。hive主要针对的是olap应用，其底层是hdfs分布式文件系统，重点是基于一个统一的查询分析层，支撑olap应用中的各种关联，分组，聚合类sql语句。hive一般只用于查询分析统计，而不能是常见的cud操作，要知道hive是需要从已有的数据库或日志进行同步最终入到hdfs文件系统中，当前要做到增量实时同步都相当困难。
HBase是个基于HDFS的数据库。Hive是用SQL替代写MR的编程框架，做Hadoop上会把用户提交的SQL语句做语法分析，执行计划等一堆乱七八糟的事后变成MR job提交去跑，返回结果给用户。不然每次都写MR很麻烦的，有这个写个SQL就可以拿到等效的结果，很适合运营童鞋用。当然Hive也有HBase的Connector，用这个Connnector后可以写SQL查询HBase的数据而不是HDFS，不过一般不这么搞。像用SQL on HBase的话，可以用下Phoenix，新手第一次用的感觉会觉得很像是MySQL

5，mongodb mysql 分别适合什么场景

MongoDB已经流行了很长一段时间，相对于MySQL，究竟什么场景更需要用MongoDB？下面是一些总结。更高的写入负载默认情况下，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。高可用性MongoDB的复副集(Master-Slave)配置非常简洁方便，此外，MongoDB可以快速响应的处理单节点故障，自动、安全的完成故障转移。这些特性使得MongoDB能在一个相对不稳定（如云主机）的环境中，保持高可用性。数据量很大或者未来会变得很大依赖数据库(MySQL)自身的特性，完成数据的扩展是较困难的事，在MySQL中，当一个单达表到5-10GB时会出现明显的性能降级，此时需要通过数据的水平和垂直拆分、库的拆分完成扩展，使用MySQL通常需要借助驱动层或代理层完成这类需求。而MongoDB内建了多种数据分片的特性，可以很好的适应大数据量的需求。基于位置的数据查询MongoDB支持二维空间索引，因此可以快速及精确的从指定位置获取数据。表结构不明确，且数据在不断变大在一些传统RDBMS中，增加一个字段会锁住整个数据库/表，或者在执行一个重负载的请求时会明显造成其它请求的性能降级。通常发生在数据表大于1G的时候（当大于1TB时更甚）。 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。没有DBA支持如果没有专职的DBA，并且准备不使用标准的关系型思想（结构化、连接等）来处理数据，那么MongoDB将会是你的首选。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。BillRun – 基于MongoDB的帐单系统 (来自oc666)BillRun是由Ofer Cohen推出开源账单系统，采用MongoDB做为数据存储。这套账单系统被以色列一家增速最快的电信运营商采用，每月处理5亿条通信记录，Ofer在Slideshare上说明了具体利到了MongoDB的哪些特性：弱数据结构的特点，使得BillRun能很快的支持新的CDR(通讯记录)类型。这个特性使文档型数据库很适用于快速发展、业务需求不确定的系统中。BillRun仅使用了一个Collection，已经管理了数TB的文档数据，并且没有遇到由结构变更、数据爆发式增长的带来的限制和问题。replicaSet副本集特性使建立更多的数据中心DRP变得更轻松。内建的Sharding分片特性避免系统在数据增长的过程中遇到性能瓶颈。每秒钟2000条通信记录的插入，MongoDB在架构设计上很好的支持了高负载的数据写入。并且可以使用findAndModify(相对缓慢)完成基础的事务特性，并且通过应用层面的支持，实现双段式提交。查询方式相比SQL，更加易读、易懂，开发相对轻松。基于位置允许更好的分析用户使用情况，从而更好地制定移动电话基础设施的投入点。
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。schema-less，支持嵌入子文档：mongodb是一个schema-free的文档数据库。一个数据库可以有多个collection，每个collection是documents的集合。collection和document和传统数据库的table和row并不对等。无需事先定义collection，随时可以创建。collection中可以包含具有不同schema的文档记录。 这意味着，你上一条记录中的文档有3个属性，而下一条记录的文档可以有10个属性，属性的类型既可以是基本的数据类型（如数字、字符串、日期等），也可以是数组或者散列，甚至还可以是一个子文档（embed document）。这样，可以实现逆规范化（denormalizing）的数据模型，提高查询的速度。

文章TAG：哪些  场景  需要  数据  哪些场景需要数据库  
下一篇