超过千万条数据分析用那个软件比较好？

数据可视化分析软件（OurwayBI）

OurwayBI采用Node.js。

Node.js是一个Javascript运行环境(runtime)，它实际上是对Google V8引擎进行了封装。V8引擎执行Javascript的速度非常快，性能非常好。

强大的计算能力

独创的内存OLAP仅需要创建一个动态视图即可以完成分析模型的创建，而所有 OLAP强大的计算能力，则通过内存计算来完成。

效果图

千万条数据是用SQL的。

1.真正做过几个项 目才会明白,写sql语句会比编程代码还要多。真正的程序,其实是sql。 最后说一句,如果经验足够丰富,写出的统计过程,其执行时间在数分钟甚至几个小时都是正常的。

2.在SQL语句中实现通常效率更高，因为在java代码中往往会损耗很大性能。比如一个最简单的场景A表100W，B表100W，他们连接的结果是1000条数据。那么在SQL里面做连接 *** 作的话，数据库和java程序之间只需要传递1000条数据。如果在Java代码里面实现数据库和Java程序之间需要传递200W条数据。

3.从这个简单的场景可以看到，徒增了传输的性能损耗。并且占据了更多应用进程的内存和CPU资源，所以大部分场景下建议是在SQL里面处理比较优。

如果数据很庞大的情况，估计没有人会直接使用

select * from table

select * from table limit 100000012

之类的SQL语句，这样的 *** 作别说数据库的 *** 作很慢了，在网络IO传输也是一个很大的问题，

把一千万的数据读取出来在网络进行传输，这样性能消耗也会有瓶颈。

所以，读取大批量的数据一般都是采用分批次的读取方式。

(一)通过测试，一万条数据一次性读取出来所花费的时间要比分十次，每次读1千数据的速度要慢很多。

(二)，主键是uuid，可以进行排序，利用排序和比较值的大小来分批读取数据。

SELECT * FROM `kw_seo_keyword` as t

WHERE t.id >'31baf874-0fc5-4bb0-82ff-7bc77c6b63f5'

ORDER BY t.id

LIMIT 10001234

每一次，读取一千条数据，然后取这一千条数据的有序集合的最后一条数据的id，在进行大小的比较。如此反复，直到数据读取完为止。

(三)，安全性的考虑，执行上千万的数据，有时候程序出现异常，结果修改异常后再重新这上千万的数据，那就太蛋疼了。所以我们分批次处理数据的时候。

比如说，我们每次读取一千条数据，等集合的数据超过100万的时候，就处理数据，然后通过一个redis的key来保存最后一次的id。

---