功能很简单，存储大量纯文本数据（ zip 压缩率能到 30%），并可以通过 ID 去查找的目标数据， 3 秒之内读出即可。自建集群，需要进行不太严格的备灾。
但是，数百 TB 还在每天好多 G 的往上涨。。。
那么，该选用什么什么数据库比较好呢？
MongoDB 3 中的 WiredTiger ？ Hbase ？还是什么？
This topic created in 3841 days ago, the information mentioned may be changed or developed.
21 replies • 2015-12-03 11:09:08 +08:00
 |
1
northisland Dec 2, 2015
关注=_=
|
 |
2
yinheli Dec 2, 2015
我也有类似你这样的需求. 不过数据量大概是你的 80% 的样子... 也在考虑 mongodb
同关注 |
 |
3
lhbc Dec 2, 2015  2
直接存文件，然后数据库记录存储路径
存储层可以采用分层存储，冷数据丢 7200rpm 的硬盘上，热数据在 SSD 上，更热的在内存里 文件的存储和灾备，比几百 TB 的数据库要易维护得多 |
 |
5
c4pt0r Dec 2, 2015
HBase + TiDB
|
 |
7
abelyao Dec 2, 2015 via iPhone
好奇什么数据 200TB 之前却没有一个在用的方案…？
|
 |
9
jackysc Dec 2, 2015
要不楼主关注一下 greenplum? 最近开源了 可以压缩+列存储
|
 |
10
knktc Dec 2, 2015
那就直接用 HBase 试试吧，建表时开启压缩
|
 |
11
Orzzzz Dec 2, 2015
如果数据是社工库的话那就好玩了～
|
 |
12
wy315700 Dec 2, 2015
drill
|
 |
13
msg7086 Dec 2, 2015
GlusterFS 直接丢文件系统呢？文件直接拿 xz 或者 gz 或者 lzma 搞一搞？
|
 |
14
likuku Dec 2, 2015
@Feiox 压缩保存？ ZFS 开启 lz4 压缩开关就很好了，对于内容重复性高，文本文件，压缩率很高，使用上完全透明，性能下降？几乎觉察不到。甚至在读大型单个文件时，比不开压缩的还要快(读取压缩数据+解压 耗时少于 直接读取巨大原始文件）
|
|
15
lhbc Dec 2, 2015
@Feiox 压缩你可以在存储的时候直接压好再写入磁盘， gz 的计算量不大
比如 a.txt ，直接压缩保存为 a.txt.gz 使用文件就容易了，直接按目录来 比如 /data/2015/12/01/<sha1>.txt.gz sha1 直接计算文件的值 然后数据库记录 id, filename, datastamp, sha1, location 这样处理起来多方便，备份也简单 现成的开源也有相应的方案，不过结构就复杂多了 |
 |
16
Andy1999 Dec 2, 2015 via iPhone
redis 试试看
|
 |
17
zeinipiyan Dec 2, 2015
小说站？
|
 |
18
Muninn Dec 2, 2015
需要用 sql 语句带 where 之类的去查 就用 greenplum
要是只是通过 id 查 上边说的用文件就可以了 |
 |
19
RangerWolf Dec 3, 2015
Cassandra + Spark 还可以~
Cassandra 建表的时候直接使用 id 作为主键~ 返回时间估计连 1s 都不用 MongoDb 之前我们也考虑过，不过听旁边的组说有丢数据的现象，不过也没确认是 MongoDB 的错 |
 |
20
Feiox OP @RangerWolf 那压缩率呢？不用文件系统主要是觉得很多都需要自己手动配置。。。
MongoDB 。。。呃，为什么这么多年过去了，他还在背负着这个名声。。。 |
|
21
RangerWolf Dec 3, 2015
@RangerWolf 我们存储的时候 并没有压缩数据， 以前做其他项目是在 app 层面对数据进行压缩。 比如就用 java 的 Gzip 来进行压缩与解压。
不过 Cassandra 有自己的压缩文件、减少存储空间的策略~ 我们的 Cassandra 也是自己建的集群，感觉在管理上面还算比较方便。 IO 上面也很不错~ 我们用的是比较强力的台式机， I7 + 32G mem |
Select Language