如何将10亿条数据均匀分布在100块磁盘上？

这是因为，任何数据存储，都是通过 *** 作系统来进行的，而 *** 作系统存储方式都是顺序存储，不是你能控制的。

100块磁盘，只能是做成阵列，做成阵列，也是由系统和阵列控制的，它的存储也是按顺序进行的，而不是想存放哪里就存放哪里。

你那10亿条数据，肯定不可能一个文件1条数据，而是个数据库，这个数据库归根到底也是一堆文件，这些文件，也是不能被平均的。

这就好比，你那10一条数据，是一个或多个文件组成。一个人，不能坐在两个船上，也不能坐在两个飞机上。数据库也不能。

出这种问题得老师，应该是养生堂毕业的微信老娘们儿。

如果是 关系型很强，而且数据很值钱的数据， 例如 顾客--交易--商品--金额 一个系列的， 那么这种很重要的数据，建议是 Oracle， 因为 数据丢不起啊。

如果是 关系型强， 但是数据不是很值钱的数据， 例如 A股 从开市以来， 所有股票的 每日，每小时，30分，15分，5分 钟的行情数据。 那么你可以使用 Mysql。 反正丢了就重新导入一次。

如果是 关系型不强， 数据也不是很值钱的数据， 例如 论坛的帖子 这一类的， 那么用 mongodb 就更合适一些。

业务数据，包括用户，订单等数据，要求数据严格准确和一致

规模如果是在千万级，或者不超过10亿级，80%选用MySQL来存储

规模如果再10亿-万亿，目前HBASE为主

以上两种是免费数据库，但对于Oracle，DB2，SQL Server付费数据库(巨贵)，主要使用在银行和电信，因为对数据一致性，准确性，容灾备份要求更严格。

因为商业数据库的昂贵，互联网公司一般用不起，感兴趣可以了解下10年前阿里发起的去IOE的故事，即去掉IBM,Oracle,EMC，代替以开源软件再次开放的系统，开创新数据新时代。

日志数据，包括用户所有线上行为数据，浏览，搜索，点击等，存储在HDFS上

这类数据，相比订单和支付数据，规模要成10倍-1000倍增长。比如，我浏览10个店铺宝贝才转化一个订单数据。但该类数据，不会要求太多性能和苛刻的准确性，甚至可以容忍丢小部分日志数据。这部分数据，会放到HDFS上来存储。即一种分部式文件存储系统，存储成本很低，如果查询的话，就可以直接使用hive等工具，写SQL查询。

当然，数据库现在发展很迅猛，比如TiDB，非关系数据库MongoDB，缓存Redis等。