事务型数据库与分析型数据库的特征及二者区别

事务型数据库主要是实时的，面向应用的数据库，响应及时性要求很高，只关注最近一段时间的数据。就是平时搭建的服务都叫事务型数据库。

分析型数据库主要是用于在大量数据中分析规律的，一般存储的数据时间跨度长，数据量大，对实时性要求不高，通过查询分析规律趋势，用于产品决策等。

两者所面向的目标不一样。

1、MySQL数据库

定位：开源、多平台、关系型数据库

目前使用最广泛、流行度最高的的开源数据库。

功能：支持事务，符合关系型数据库原理，符合ACID，支持多数SQL规范，以二维表方式组织数据，有插件式存储引擎，支持多种存储引擎格式。

部署：用编译安装的方式，或者二进制包的方式，按照“安装软件-创建实例-库表用户初始化”，可以很快完成数据库部署。

使用：使用标准的SQL语句进行数据库管理，简单SQL语句的并发和性能较好，对视图、存储过程、函数、触发器等支持的不是太好。

2、SQL Server数据库

定位：商业、Windows平台、关系型数据库

最早接触、与微软体系结合紧密的的商业数据库，属于“微软技术体系”。

功能：支持事务，符合关系型数据库原理，符合ACID，支持多数SQL规范，以二维表方式组织数据

部署：在Windows平台，用图形界面进行软件安装

使用：在Windows平台，使用SQL Server Mangement Studio图形界面进行安装。

大数据分析平台必须提供的六大功能，满足您对当前及未来的需求，提高您的竞争地位，实现卓越的业务成果。

一、它必须容纳海量数据：如果大数据分析平台无法扩展以存储或管理海量数据，那么仅仅提高速度所带来的作用相当有限。大数据分析平台必须能够容纳海量数据。

二、它必须非常快：简单来说，数字时代下，用户不希望在运行查询时长时间地等待结果。他们期望即时得到满足，获得即时结果，而对其他工作负载没有影响。这意味着大数据分析平台必须增强现有应用程序的性能，允许您开发具有挑战性的新分析方法，并提供合理、可预测和经济的横向扩展策略。

三、它必须兼容传统工具：如果您的大数据分析平台依赖于“提取、转换、加载”(ETL)工具。

四、它应利用Hadoop并增加Hadoop的价值，Hadoop是由Apache Software Foundation管理的开源软件平台，已经成为大数据分析领域中的主要平台。

五、它必须为数据科学家提供支持，数据科学家在企业IT中拥有着更高的影响力和重要性，因此大数据分析平台应在下述两个关键方面支持数据科学家。首先，新一代数据科学家采用Java、Python和R等工具来执行预测式分析。底层分析数据库应支持和加速创新型预测分析的创建过程。

六、它应提供高级分析功能：根据您的特定使用情况，可能有必要深入查看由大数据分析引擎提供的内置SQL分析功能。您必须从底层查看，以了解究竟提供了何种SQL分析，而不用对该数据执行分析。

数据分析有没有用，来试试Smartbi就知道了,Smartbi产品功能设计全面，涵盖数据提取、数据管理、数据分析、数据共享四个环节，帮助客户从数据的角度描述业务现状，分析业务原因，预测业务趋势，推动业务变革。

---