很多大數(shù)據(jù)應(yīng)用的實施似乎都是在一個現(xiàn)有的數(shù)據(jù)倉庫上，添加一個或多個新的大容量數(shù)據(jù)流，還有一些支持?jǐn)?shù)據(jù)存儲和業(yè)務(wù)分析的專業(yè)軟硬件。數(shù)據(jù)存儲問題通常是通過部署一個專門的硬件一體機來協(xié)調(diào)，這樣就可以在存儲大量數(shù)據(jù)的同時還能夠提供超快的數(shù)據(jù)訪問。

在這樣的情況下，我們還需要考慮數(shù)據(jù)庫設(shè)計的問題么?
大數(shù)據(jù)環(huán)境下的數(shù)據(jù)建模
大多數(shù)DBA認(rèn)為：良好的數(shù)據(jù)庫設(shè)計是系統(tǒng)和應(yīng)用程序設(shè)計的一部分。很多的業(yè)務(wù)需求，如數(shù)據(jù)可用性，清理處理，還有應(yīng)用性能都可以利用特定的數(shù)據(jù)庫設(shè)計加以解決。
那么對于大數(shù)據(jù)又如何呢?有趣的是，為大數(shù)據(jù)業(yè)務(wù)分析提供軟硬件解決方案的供應(yīng)商總是宣稱數(shù)據(jù)庫設(shè)計并不是那么重要。他們認(rèn)為，由于數(shù)據(jù)是以專門的格式進行存儲的，所以大多數(shù)數(shù)據(jù)庫設(shè)計便沒有了用武之地。
在這個問題上的困惑通常是源于對解決方案要以何種特殊的方式執(zhí)行大數(shù)據(jù)查詢的誤解。簡單來說就是，在大多數(shù)情況下，數(shù)據(jù)會存儲在兩個 地方：你當(dāng)前的生產(chǎn)數(shù)據(jù)庫管理系統(tǒng)(DBMS)和新型專用的一體機。當(dāng)前的生產(chǎn)流程是提取，轉(zhuǎn)換并加載數(shù)據(jù)到當(dāng)前DBMS，繼續(xù)按原樣操作，還有一個額外 步驟：每當(dāng)你加載數(shù)據(jù)到一個表的時候，你還要確保新數(shù)據(jù)也能被加載到新一體機中去。
在DBMS加載成功后，便可以馬上把數(shù)據(jù)加載到一體機，或者可以供后續(xù)執(zhí)行分批處理。而重要的是，在任何大數(shù)據(jù)查詢使用已加載數(shù)據(jù)來獲得性能改善之前，必須先把數(shù)據(jù)加載到一體機。
數(shù)據(jù)庫設(shè)計是質(zhì)量的保證
有質(zhì)量的數(shù)據(jù)庫設(shè)計意味著什么呢?一般來說，數(shù)據(jù)庫設(shè)計開始于數(shù)據(jù)模型和定義之間關(guān)系的業(yè)務(wù)規(guī)則。例如，訂單總是與客戶相關(guān)的，并且客戶可能沒有訂單或者有多個訂單。有了這些東西以及數(shù)據(jù)元素定義和屬性，數(shù)據(jù)庫設(shè)計就可以在以下領(lǐng)域解決，處理或是降低風(fēng)險：
通過自動數(shù)據(jù)元素有效值檢查來協(xié)助避免缺陷;
在應(yīng)用構(gòu)建和測試期間允許缺陷檢測和修復(fù);
盡可能讓數(shù)據(jù)驗證接近其源頭;
提供穩(wěn)定性，可靠性，數(shù)據(jù)可訪問性和系統(tǒng)擴展性。
數(shù)據(jù)庫設(shè)計人員的做法有什么差別?
糟糕的數(shù)據(jù)庫設(shè)計對技術(shù)支持的影響非常之大，他們必須實時處理系統(tǒng)問題，這樣就會抬升定位和解決問題的成本。其在產(chǎn)品行為上還會體現(xiàn)為惹惱或是趕走客戶。而與糟糕設(shè)計相關(guān)的最常見的問題就是非常差得應(yīng)用性能和數(shù)據(jù)沖突。
典型的修復(fù)方法包括數(shù)據(jù)庫重組或重新設(shè)計，如添加表索引和改變表分區(qū)和聚簇。然而，在大數(shù)據(jù)環(huán)境中，這些方法在專用一體機中通常是行 不通的。它們只會存在 于數(shù)據(jù)庫的基本表中。這是問題的癥結(jié)所在：盡管供應(yīng)商聲稱你所有的數(shù)據(jù)都可以遷移至專用一體機，但這絕不是最佳的解決方案。
讓數(shù)據(jù)在主數(shù)據(jù)庫管理系統(tǒng)和一體機之間共存是最好的方法，其原因如下：
避免單點故障。專 用一體機往往存折一個單點故障。雖然有供應(yīng)商和支持人員的努力，但是一體機中的軟硬件，網(wǎng)絡(luò)連接和流程都可能會發(fā)生故障。如果是這樣，如何才能進行滿意的 查詢呢?數(shù)據(jù)協(xié)同定位在數(shù)據(jù)庫管理系統(tǒng)中，查詢結(jié)果可以通過訪問基本表得以滿足。當(dāng)然，性能肯定會受到影響;但是，如果不這樣做的話，在有人修復(fù)這一問題 之前，你的大數(shù)據(jù)應(yīng)用都會是不可用的。
提供數(shù)據(jù)卸載。查詢并非是數(shù)據(jù)的唯一消費方。一種常見的用法是將生產(chǎn)數(shù)據(jù)卸載到測試環(huán)境。此外，某些第三方供應(yīng)商軟件工具會直接訪問本地數(shù)據(jù)庫中的數(shù)據(jù)，而這在一體機中是不可用的，因為數(shù)據(jù)是以專門的格式進行存儲的。
備份和恢復(fù)。最常見的備份和恢復(fù)工具都是以那些駐留在數(shù)據(jù)庫中的數(shù)據(jù)為基礎(chǔ)的。而第三方供應(yīng)商工具通常用于高性能備份和恢復(fù)，包括索引恢復(fù)。這些備份是針對基本表和表空間執(zhí)行的，而非一體機。
某些性能狀況。在某些情況下，SQL查詢在一體機中無法執(zhí)行。這些限制都是定義在手冊中的，并且隨著供應(yīng)商一體機和版本的不同而不同。在這些情況下，你別無選擇;你必須訪 問基本表并接受性能的下降。其中一些限制包含了特定的SQL語法，例如可滾動游標(biāo)，動態(tài)SQL，使用多個字符編碼方案，某些相關(guān)表表達(dá)式，以及使用某些內(nèi) 置函數(shù)。
大數(shù)據(jù)的數(shù)據(jù)庫設(shè)計
因為你要同時在DBMS和專用一體機中保存數(shù)據(jù)，所以標(biāo)準(zhǔn)數(shù)據(jù)庫設(shè)計規(guī)則對你來說仍然適用。有趣的是，由于一體機的存在，如今某些規(guī)則得以擴展或是變得更加復(fù)雜。下面是一些注意事項：
對索引的需求。索 引服務(wù)于 多種需求：它們可以賦予數(shù)據(jù)元素唯一性，它們可以賦予參照完整性關(guān)系，它們可以定義主鍵，并且它們可以定義額外訪問路徑。最后一項是十分重要的。 在大數(shù)據(jù)環(huán)境中，我們的想法是把長時間運行的查詢放進一體機中以進行高速處理。如果某些存在的索引僅僅是提供可選訪問路徑，那么可能就不再需要它們了。數(shù) 據(jù)庫設(shè)計或是重新設(shè)計應(yīng)該包括對所謂性能索引的檢查。如果此索引不再被查詢所用，那么就可以刪除它們，從而節(jié)省表數(shù)據(jù)恢復(fù)所需要的磁盤空間，處理時間和恢 復(fù)時間。
刪除一體機的SQL限制。通常來說，數(shù)據(jù)的業(yè)務(wù)規(guī)則決定著數(shù)據(jù)庫設(shè)計的部分內(nèi)容。這包括進行物理分區(qū)以允許更快 的查詢和更簡便的數(shù)據(jù)清理，諸如字段約束在內(nèi)的數(shù)據(jù)元素域檢查，以及用于支持參照完整性規(guī)則的主鍵和外鍵定義。接著，應(yīng)用程序開發(fā)人員會編寫SQL查詢來 訪問數(shù)據(jù)。此外，用戶可能擁有的報告工具會自動為查詢和報告生成SQL代碼。因為SQL查詢語法和功能取決于數(shù)據(jù)庫設(shè)計，所以設(shè)計人員需要對一體機限制熟 稔于胸。
為高速一體機的數(shù)據(jù)加載進行設(shè)計?，F(xiàn)在正常的數(shù)據(jù)庫加載過程包含一個額外步驟：將數(shù)據(jù)加載進一體機。如何才能對此以最佳的方式實現(xiàn)呢?這主要取決于你的應(yīng)用和數(shù)據(jù)波動程度，因此要考慮以下變量：
定期批量加載(每天，每小時)一體機，但要明白其中的數(shù)據(jù)并不完全是最新的。
細(xì)流加載，基本表中的記錄有過更新的地方會同步傳送至一體機。這樣就會保持一體機數(shù)據(jù)最新，但是記錄的處理要比批量加載緩慢許多。.