都說如今是互聯網大數據時代，很多事情都是可用大數據來解釋的。與之相對應的還有數據庫和數據倉庫也出現在大眾面前。這不免讓很多不了解的人有些暈。那么數據庫與數據倉庫和大數據是什么關系？有的人說數據庫就是儲藏大數據的地方唄，其實這只是其中的一部分，并不是全面的介紹，下面我們就來詳細了解一下三者之間的關系。

　　數據處理的起源

人類的發展，離不開數據的處理。最早的數據處理方式是什么？可能是結繩記事——這種古老的數據處理方式，包含了現代計算機擁有的數據存儲、查詢、分析等全部功能。

這個方法貌似可以，但是數據量稍微大一點的話……

后來，人類創造出了文字后，數據處理能力就大多了。一個典型的“應用”是，從舊石器時代開始，人們就通過甲骨文進行記賬。

到新石器時代中晚期，母系氏族社會經濟高度發展，人們開始創造并廣泛采用成套的刻劃符號進行記錄、計量。

　　數據庫的誕生

現代數據處理革命性的進展，要等到1960年。為了解決零件管理問題。一款叫做ICS的軟件被研發出來了，專門用來管理這些零件信息。

后來以此為基礎誕生了大名鼎鼎的IMS（Information Management System）數據庫。這是現代數據庫的祖先。

　　如何理解數據庫呢

可以把它想象為加強版的EXCEL，在一個表格中記錄數據。例如學生的成績單，記錄有姓名、學科、成績信息。想要查詢下學生的平均成績，只需要按順序遍歷這個表格，加和取平均數。

如果學生很多，對于EXCEL來說那就比較麻煩，但對于數據庫來說則比較簡單，可使用一種叫SQL的語言，通過描述性的交互取得數據，非常方便。

　　數據倉庫的誕生

數據庫的誕生，很好地解決了保存、使用數據的問題，大量類似的產品涌現出來。

但到了上世紀70、80年代，企業管理的內部數據發生了一些變化，一方面數據量越來越大，另一方面使用復雜度提高很多。各種復雜報表令人非常頭疼，要在其中挖掘出數據背后的價值，當時的數據庫已經跟不上需求。

于是，專門用于數據分析的數據庫誕生了——1988年數據倉庫（Data Warehouse）的概念第一次被提出了。

數據倉庫之于數據庫就如同F1跑車與普通轎車的區別。

普通轎車突出功能性、舒適性、安全性等等，可滿足通用化的全面需求；而F1跑車則強調極致性能，而犧牲了舒適性等。數據倉庫就是針對數據分析類場景，有特殊定制優化的產品。

　　大數據的沖擊

到了上世紀90年代，隨著互聯網的興起，數據量爆炸式增長，數據處理規模已經從MB（1首MP3）、發展到TB（20萬首歌）乃至EB級（2億首歌）的驚人規模。

此外，數據處理還產生了實時性等新要求，基于傳統架構的數據倉庫也面臨巨大挑戰。

就在這個時候，大數據概念被首次提出了，拉開了“大數據”時代的大幕。原來令人困擾的問題，似乎一夜之間找到答案。

不同于今天大家耳熟能詳的大數據，這里的大數據可以理解為一種數據處理技術，簡單說，就是在單臺計算機簡單計算的基礎上，通過堆積計算機這樣的線性擴展方式來處理數據。

數據庫和數據倉庫當時處理不了的海量數據，在這種分布式處理思路下迎刃而解，數據庫幾十年的積累，一夜之間被大數據吊打。

　　回歸數據庫

然而，大數據的狂野架構，從誕生之日起就決定其短板：分布式的方式固然很方便擴展，但是，作為大數據技術的基本單元，單機技術設計很粗糙，因此很快暴露出計算效率不高、精確性、準確度不足等問題。

而大數據技術的短板，正式數據庫的強項。

事實上，后來大數據體系中引入SQL、MPP引擎、列存等等，正是吸取了數據庫幾十年來積累的一點點精華。但是大數據技術的基礎過于野蠻，因此很難改進。

而此時，因為分布式協議的成熟，為數據庫解決此前無力承受的海量數據、多模異構等問題提供了技術方案。數據庫的春天，又回來了！

通過上述介紹，我們知道數據庫與數據倉庫和大數據是什么關系了吧，想了解更多關于數據庫的信息，請繼續關注中培偉業。