数据库类型
了解不同类型的数据库及其工作原理。
在构建数据堆栈时，有很多数据库和数据源选项需要考虑。 无论您是数据领域的新手还是只是需要复习一下，这里都会介绍 Metabase 支持的主要参与者。
全能主力：传统关系型数据库管理系统
包括：Microsoft SQL Server、MySQL、Oracle Database、PostgreSQL
这四种关系型数据库管理系统 (RDBMS) 已经存在数十年，并且能够很好地处理各种数据库需求——插入记录、读取、更新、删除记录。 这四种系统中，MySQL 和 PostgreSQL 是开源的。
如果您的组织时间或资源有限，或者缺乏构建 ETL 的数据专家，那么像 MySQL、Postgres、SQL Server 或 Oracle Database 这样的关系型数据库系统是一个很好的选择。 许多使用 Metabase 的组织只是通过连接其关系数据库来实现这一点，以便他们可以立即开始获得见解。 这些数据库非常适合用作软件的应用程序数据库。 Metabase 软件可以使用 Postgres 或 MySQL 作为其生产数据库。
传统关系型数据库可以轻松处理数十万条记录的分析查询，但如果您的组织需要显着扩展——想想数百万条或更多记录——您可能会在 RDBMS 中遇到瓶颈。 这在很大程度上取决于您的数据仓库的配置方式以及您是否使用 ETL 流程来聚合数据，以便您的数据库必须读取更少的行。
这四个系统都是事务性数据库，并非专门为分析查询而构建。 虽然您可以通过这四个引擎中的任何一个完成分析查询，但这可能需要大量的额外硬件（额外的 RAM、CPU 和更快的磁盘）才能跟上数据量的增长，而且这很快就会变得非常昂贵。 随着规模的扩大和分析查询变得更加复杂，无论您投入多少硬件来解决问题，它们都可能运行缓慢。 届时，可能是时候考虑另一种专门为大数据和分析查询而构建的技术了。
查询大数据：数据仓库
包括：BigQuery、Redshift、Snowflake、Vertica
数据仓库非常适合对大量数据执行分析查询。 像 BigQuery、AWS Redshift、Snowflake 和 Vertica 这样的产品能够处理大数据，因为它们由大量并行引擎驱动，这使得跨海量数据源的分析查询更易于管理。 这些数据仓库的工作方式略有不同，但当您想要运行查询时，它们会利用并行化来拆分您的数据并在返回查询之前聚合结果。 这些数据仓库还依赖于列式存储（按列而不是行存储数据）来加速分析操作，因为这使您的数据库无需扫描行内与当前查询无关的信息。
您需要根据执行查询时使用的资源付费，但将数据插入这些仓库也很昂贵。 如果您的组织需要实时数据（或接近实时数据），像这些数据仓库这样的仓库不是最有效的，因为它们每次添加新数据时都需要重新索引，这需要时间。
虽然 BigQuery、Redshift 和 Snowflake 仅基于云，但 Vertica（开源）既可以在云中运行，也可以在本地运行。
实时分析数据库
包括：Druid
像 Druid 这样的数据库（一种开源产品）吸引了那些需要在数据生成后立即查询数据的组织。 使用实时数据库，您可以在数据到达数据引擎后立即运行分析查询，而无需额外的处理或长时间的等待。
如果您的业务模式依赖于利用实时数据的能力（例如，金融服务或信息安全），那么像 Druid 这样的数据库值得探索。 但管理实时数据管道可能会变得复杂——在生成数据的任何事物与通过管道中不同工具处理该数据之间，可能会出现很多问题。 考虑到这些系统的复杂性，尤其是在您处理大量数据时，有人在场监督您的实时数据库将大有帮助。
用于即席分析：基于文件的数据库
包括：SQLite、H2
SQLite 和 H2 类似于传统的 RDBMS（如 MySQL 或 Postgres）——这两种类型都是关系型数据库——但基于文件的数据库在数据库端不包含服务器。 这些类型不是任何用于优化数据库的代码，而是一个驻留在您计算机上的文件。 如果您正在使用 Metabase，您会将 SQLite 数据库存储在与 Metabase 服务器相同的位置，以便 Metabase 可以利用它进行分析。
基于文件的数据库非常适合嵌入和即席分析——例如不需要大量实时数据的临时查询。 虽然 SQLite 是世界上部署最广泛的数据库（主要是因为它的简单性），但基于文件的数据库在复杂分析中的使用是有限的，而且基于文件的数据库可能不是您想要保留实时数据的地方。
查询引擎
包括：SparkSQL、Presto
查询引擎本身不是数据库，而是位于您的数据和最终结果之间。 SparkSQL 和 Presto 是两个开源引擎，可以从各种来源（包括实时数据）摄取和查询数据。
与上面讨论的云数据仓库类似，像 Spark 和 Presto 这样的引擎将大致按照以下步骤对海量数据执行分析查询
- 首先将工作划分为较小的作业。
- 并行化查询——即将查询在这些较小的作业中同时运行。
- 聚合这些结果。
- 最后，交付原始查询的结果。
基于文档的数据库
包括：MongoDB
虽然以上所有选项都包含一些关系元素，但像 MongoDB 这样的非结构化 NoSQL 数据库的工作方式不同。 MongoDB 不是将数据存储在表中，而是将数据保存在文档“集合”中，并允许您查询这些文档（通常是 JSON 文件）。 这意味着您保存在集合中的文档可以是相同的，也可以是完全不相关的，但是没有像在关系数据库中连接表那样的原生方法来连接它们。
与关系型数据库不同，MongoDB 很容易分片。 这意味着您可以将集合的不同部分存储在完全独立的节点中（数据库的物理实例，如单独的服务器或计算机），这有助于扩展数据库。
下一步：数据仓库 vs 数据湖 vs 数据集市
您可能会经常听到这些术语，因此这里提供了一些关于数据仓库、数据湖和数据集市之间差异的背景信息。