大數據已經滲透到各行各業之中，麥肯錫稱：“數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。隨著數據量的不斷增大、以及對數據存儲檢索要求的不斷提高，數據庫技術也同大數據一樣被推到風口浪尖。51CTO專訪巨杉數據庫CTO王濤為您解讀大數據時代，數據處理和技術選型的方法。

記者：介紹一下您之前的工作經歷，以及巨杉數據庫的情況？

嘉賓：最初我在IBM做DB2關系型數據庫，但是到了2011、2012年的時候，大數據行業不斷興起，我們發現IBMDB2的數據庫不符合未來的趨勢，于是我們就在北美做了一個數據庫引擎，也就是NoSQL。后來，把它帶到國內，將其產品化。在2012年巨杉數據庫成立，2013年推出***個版本，很快就有了***個客戶，后來我們的客戶遍及政府、金融、電信等行業。到2014年我們完成了Pre-A輪和A輪兩輪融資。

記者：剛才您也提到對政府、電信、金融等行業的支持，現在應用這個數據庫自主研究數據庫的效果和情況怎么樣？

嘉賓：首先NoSQL是一個穩打類的數據庫，我們不是世界上***家，在國外Hadoop跟我們比較相似，我們也在跟很多接口上跟Hadoop兼容。

MonggoDB在國外的市場份額非常大，之前有老外做了測評在功能、性能上Hadoop在某些場景下是非常有優勢的。

Monggodb有一個特點就是功能非常多，但有很多不實用的東西存在，而我們有具有后發優勢—看清楚市場需求，進而推出產品，然后更新。同時我們同mongdb的***不同是，SQL方面我們會更多的關注企業級的市場，

記者：剛才你也提到Hadoop這種存儲方式，各種存儲方式都有優缺點，對于處理大數據的處理以及與Hadoop Spark技術的結合關于這種技術選型，對開發者有什么建議？

嘉賓：現在Oracle的東西已經不在討論的范疇之中，基本上都在說MySQL。雖然MySQL現在很多人都在用，但是這種MySQL對于應用的開發和運維是非常不友好的。第二就是在性能方面，當用戶做一些大的關聯的時候，極有可能會產生數據風暴，里面很多數據進行交換，這是非常可怕的，處理不好會出現非常嚴重的問題。

于是就有人提出用NoSQL這種新一代的數據結構。NoSQL現在用的比較多的三大分支是KV、寬表、文檔。KV的用法很多，一般是用作緩存，Redismemcached等等。我想要說的是真正做數據化存儲的兩大類；一個是寬表類，另一個是文檔類。

寬表類的優勢體現在列存儲上，但并不是傳統意義上的列存儲，有點像列簇，舉個例子來說，比如有一萬個字段，一條記錄，把它集中十份，每份有一千個字段，這一千個字段所代表的是邏輯上比較相近的東西，我可以把每一千個字段獨立的分布在機器上、當我需要查找的時候，只要拿出其中一部分就可以了，但是大家很少會用到這么多東西。

而文檔類的數據庫在我看來是最接近關系型數據庫的一種，雖然Hadoop的功能做的很豐富、但是大家都默認它是文檔類的工作。

現在很多文檔有一個行存儲，而且一般支持隨機索引，例如我們可以在A字段做索引，過幾天再做B字段的索引，這樣沃恩可以在很多個字段上做隨機查找，就不像寬表那樣只能在鍵值段做索引。例如在電信的應用場景里，我查找主叫號碼和被叫號碼，我就可以使用文檔型數據庫建立索引查找。

記者：企業現在數據量越來越大，對數據庫的擴容要求也很高，SQL在這個方面或者說巨杉數據庫在這個方面優勢在哪兒，或者說怎么處理這個擴容的問題？

嘉賓：如果說到擴容，那么傳統的DB2是大家最熟悉的了。之前在IBM的時候有一個客戶是256節點，需要增加64個，于是IBM派人做了一個月才做完

現在做非關系型數據庫會使用到各種機制，當我需要插入新的功能節點的時候，我只需要去移動最少量的數據，而其他還是穩定的存儲，這基本上就可以做到輕易擴容。

記者：剛才你也提到關系型數據庫，SQL對于關系型數據庫，相對傳統一些的數據庫，它倆會是什么關系，會是什么樣的方式存在？是取代還是？

嘉賓：我認為兩者的關系既不是并存也不是取代而是融合，畢竟SQL有它自身的價值和應用范圍，SQL***性存儲的能力還是非常好的。所以SQL不會被淘汰，而是一個強結構化的變化。在傳統金融業務上沒有道理需要用NoSQL取代SQL，因為SQL數據結構是非常嚴謹的。

反觀這種嚴謹性所帶來的應用開發延遲所導致的不夠敏捷，在互聯網業務上的弊端也就暴露無疑了，其實這也是NoSQL的地位所在。

這兩者在將來會是有一個互相融合的趨勢，NoSQL自身不會有接口。我認為所謂非結構化存儲或者半結構化存儲，相當于結構化存儲里面的某一個部分。從某種意義上來講，使用非結構化存儲也可以滿足很多結構化存儲的需求。在上層完善的時，完全可以把SQL引入。我們也看到了在很多地方在嘗試引用NoSQL的概念，，兩者之間越來越像，可能某一天就融合了。

記者：現在這種對于大數據庫Hadoop、spark，傳統的那些數據庫，對處理方式的支持上有什么弊端，遇到了什么問題？無論是Hadoop還是Spark,NoSQL對于它們的支持優勢在哪？

嘉賓：Hadoop它講究的是彈性擴張，水平擴張，傳統的關系型數據庫剛***的問題就是擴張不容易，甚至ORACLE這種完全是無法擴張的，這樣的話就是你的上層擴張了一百臺機器，底下很多東西東西，沒有一個本質上的提升。所以不管上面怎么擴，底下還是那樣一個瓶頸。 而最NoSQL本身是分布式的，Hadoop、spark也都是分布式的，我們做的conect這個接口可以讓Hadoop用本地的方式訪問本地的NoSQL的數據，這樣的結合就很緊密。