什么数据库可以存万亿

存储万亿数据的数据库主要有以下几种：

1. Hadoop: Hadoop是一个开源的分布式计算平台，可以用于存储和处理大规模数据集。它使用分布式文件系统（Hadoop Distributed File System，简称HDFS）来存储数据，并使用MapReduce算法来处理数据。Hadoop的存储能力可以达到PB级甚至EB级。

2. Apache Cassandra: Cassandra是一个高度可扩展的分布式数据库系统，特别适用于需要大规模存储和处理数据的场景。它采用分布式架构，支持数据的分区和复制，可以实现高可用性和容错性。Cassandra的存储能力可以达到PB级。

3. Apache HBase: HBase是一个分布式的、可伸缩的面向列的数据库系统，基于Hadoop平台。它使用HDFS来存储数据，支持高并发的读写操作，适用于需要快速访问大规模数据的场景。HBase的存储能力可以达到PB级。

4. Google Bigtable: Bigtable是Google开发的一种高度可扩展的分布式数据库系统，用于存储结构化数据。它基于分布式文件系统和分布式数据模型，支持高并发的读写操作和快速的数据访问。Bigtable的存储能力可以达到PB级。

5. MongoDB: MongoDB是一个面向文档的NoSQL数据库系统，适用于需要存储和处理大规模数据的场景。它采用分布式架构，支持数据的分片和复制，可以实现高可用性和容错性。MongoDB的存储能力可以达到TB级。

以上是一些可以存储万亿数据的数据库系统，它们都具有高可扩展性、高并发性和高容错性，可以满足大规模数据存储和处理的需求。在选择数据库时，需要根据具体的业务需求和数据特点来进行评估和选择。

要存储万亿级别的数据量，目前常用的数据库技术有以下几种可以考虑：

1. 分布式数据库：分布式数据库是将数据分散存储在多个节点上的数据库系统。它可以通过水平扩展来处理大规模数据的存储和处理需求。常见的分布式数据库包括Google的Bigtable、Hadoop的HBase、Apache Cassandra等。

2. 列式数据库：列式数据库以列为存储单位，相比于传统的行式数据库，能够更高效地处理大规模数据的读取和分析。列式数据库适合存储和分析大量的结构化数据，如日志数据、传感器数据等。常见的列式数据库包括Apache HBase、Apache Cassandra、Vertica等。

3. 内存数据库：内存数据库将数据存储在内存中，相比于传统的磁盘存储，具有更快的读写速度。内存数据库适用于对实时性要求较高的应用场景，如金融交易、实时数据分析等。常见的内存数据库包括Redis、Memcached、SAP HANA等。

4. NoSQL数据库：NoSQL数据库是一种非关系型数据库，适用于大规模非结构化或半结构化数据的存储和查询。NoSQL数据库具有良好的可扩展性和高性能，能够处理大规模数据的存储和查询需求。常见的NoSQL数据库包括MongoDB、Cassandra、Couchbase等。

5. 数据仓库：数据仓库是一种专门用于存储和分析大规模数据的数据库系统。它具有高度的冗余和数据整合能力，适用于复杂分析和查询需求。常见的数据仓库包括Teradata、Greenplum、Snowflake等。

需要注意的是，存储万亿级别的数据量不仅仅依赖于数据库的选择，还涉及到硬件设备的支持、数据分区和索引的设计等方面。此外，根据具体的业务需求和数据特点，还需要综合考虑数据库的可用性、性能和成本等因素来进行选择。

要存储万亿级别的数据量，需要选择一个高性能、高可扩展性的数据库。以下是一些可用于存储大规模数据的数据库：

1. 分布式文件系统（Distributed File System，DFS）：DFS是一种分布式存储系统，可以将文件分布在多个服务器上。它具有高可扩展性和高容错性，可以存储大规模数据。常见的DFS包括Hadoop HDFS、GlusterFS等。

2. 列式数据库（Columnar Database）：传统的关系型数据库以行为单位存储数据，而列式数据库以列为单位存储数据。列式数据库适用于大规模数据的分析和查询，可以提供更好的性能和存储效率。常见的列式数据库包括Apache Cassandra、HBase等。

3. 分布式数据库（Distributed Database）：分布式数据库将数据分布在多个服务器上，每个服务器负责一部分数据的存储和查询。分布式数据库具有高可扩展性和高并发性能，适用于大规模数据的处理和存储。常见的分布式数据库包括Apache HBase、Google Bigtable等。

4. NoSQL数据库（Not Only SQL Database）：NoSQL数据库是一类非关系型数据库，适用于大规模数据的存储和处理。它们通常具有高可扩展性、高性能和灵活的数据模型。常见的NoSQL数据库包括MongoDB、Cassandra、Redis等。

5. 内存数据库（In-Memory Database）：内存数据库将数据存储在内存中，可以提供更快的读写性能。内存数据库适用于需要实时处理大规模数据的场景，如实时分析和高并发事务处理。常见的内存数据库包括Redis、MemSQL等。

无论选择哪种数据库，都需要根据具体需求和系统架构来进行评估和选择。在存储万亿级别的数据时，还需要考虑数据的备份和容灾策略，以确保数据的安全性和可靠性。