大数据用的什么数据库

大数据应用中常用的数据库有以下几种：

1. Hadoop HDFS（Hadoop Distributed File System）：Hadoop是大数据处理的核心框架，它的文件系统HDFS可以存储和处理海量的数据。HDFS具有高容错性、高可靠性、高扩展性等特点，适合大规模数据的存储和分析。

2. Apache Hive：Hive是建立在Hadoop之上的数据仓库基础设施，它提供了类似于SQL的查询语言，可以将结构化数据存储在Hadoop中，并支持基于MapReduce的批量处理。Hive将SQL语句转化为MapReduce任务，实现对大数据的查询和分析。

3. Apache HBase：HBase是建立在Hadoop之上的分布式、可扩展的列式数据库。它具有高性能、高可靠性和高可扩展性的特点，适合存储海量的结构化和半结构化数据。

4. Apache Cassandra：Cassandra是一个分布式的、高度可扩展的NoSQL数据库。它具有高性能、高可用性和高可扩展性的特点，适合存储大规模的非结构化数据。

5. MongoDB：MongoDB是一个面向文档的NoSQL数据库，它具有高性能、高可用性和高可扩展性的特点。MongoDB适合存储半结构化和非结构化数据，支持复杂的查询和分析操作。

总之，大数据应用中选择合适的数据库取决于数据的特点、处理需求以及系统的规模和性能要求。以上列举的数据库都是大数据领域中常用的选择，根据具体的业务需求和技术要求选择适合的数据库是非常重要的。

大数据应用中常用的数据库有以下几种：

1. Hadoop Distributed File System (HDFS)：Hadoop分布式文件系统是大数据领域最常用的文件系统之一。它是一个设计用于运行在大规模集群上的分布式文件系统，可以存储海量的数据，并通过Hadoop框架进行分布式处理和计算。

2. Apache Cassandra：Cassandra是一个高度可扩展的分布式数据库系统，特别适用于处理海量数据的读写操作。它具有高性能、高可用性和容错性，并支持无模式的数据模型，可以轻松扩展到多个节点上。

3. Apache HBase：HBase是一个开源的分布式数据库，构建在Hadoop之上，用于存储和处理大规模的结构化数据。它具有高可靠性、高性能和可伸缩性，并支持实时读写操作。

4. Apache Hive：Hive是一个基于Hadoop的数据仓库基础架构，它提供了类似于SQL的查询语言HiveQL，可以将结构化的数据映射到Hadoop的分布式文件系统上进行查询和分析。

5. Apache Spark：Spark是一个快速、通用的大数据处理引擎，它可以在内存中进行数据处理，速度比传统的MapReduce快数倍。Spark提供了丰富的API和库，用于处理和分析大规模数据集。

除了以上几种常用的数据库，还有一些其他的大数据存储和处理技术，如Apache Kafka用于实时数据流处理，Elasticsearch用于全文搜索和分析等。在实际应用中，根据具体的需求和场景，可以选择合适的数据库和技术组合来支持大数据处理和分析。

大数据处理涉及的数据库有很多种，其中一些常见的数据库包括关系型数据库、NoSQL数据库和分布式数据库。根据实际需求和应用场景的不同，选择适合的数据库进行存储和处理。

1. 关系型数据库：
   关系型数据库是最常见的数据库类型，使用表格的形式来存储数据，并通过关系建立数据之间的联系。常见的关系型数据库有MySQL、Oracle、SQL Server等。它们具有ACID（原子性、一致性、隔离性和持久性）的特性，适用于事务性的应用。

2. NoSQL数据库：
   NoSQL数据库（Not Only SQL）是一类非关系型数据库，适用于海量数据的存储和高并发读写。NoSQL数据库主要包括键值存储型（如Redis、Memcached）、文档型（如MongoDB）、列存储型（如HBase）、图形数据库（如Neo4j）等。NoSQL数据库具有高可伸缩性、高性能和灵活的数据模型等特点，适用于大规模数据的存储和分析。

3. 分布式数据库：
   分布式数据库是将数据分布在多个节点上进行存储和处理的数据库系统。分布式数据库可以提供更高的可扩展性和容错性，适用于大规模的数据处理和分析。常见的分布式数据库有Hadoop、Cassandra、HBase等。这些数据库使用分布式的架构来处理大数据，并提供了分布式计算和存储的能力。

4. 新SQL数据库：
   新SQL数据库是一类介于传统关系型数据库和NoSQL数据库之间的数据库系统，旨在提供传统关系型数据库的ACID特性和NoSQL数据库的可伸缩性和性能优势。常见的新SQL数据库包括CockroachDB、TiDB等。

综上所述，根据不同的需求和场景，选择适合的数据库类型和系统来处理大数据是非常重要的。同时，也可以根据具体需求进行数据库的组合使用，以充分发挥各种数据库的优势。