同样数据竟有不一样解读 是为何？
来源：财经综合报道
作者：李迅雷 lixunlei
　　摘要：一季度的经济数据公布了，迎来无数解读。有乐观的，也有悲观的，还有不少属于喜中有忧的。为何同样的数据，会得到那么多不同的结论呢？我认为，这与观察期或观察样本的权重给予、评判经济好坏的标准和对数据表象与背景的把握度等有关。此外，还可能与屁股决定脑袋有关。
　　（搜狐财经思想库：让思维有乐趣，让思想有力量！汇集顶尖财经智慧库，分享深刻透彻的调查研究，旨在普及常识，为网友提供思想洞见和专业分析。）
　　用放大镜和望远镜看事物会有差异
　　在当今信息社会里，数据发布的频率越来越高，数据的波动会对趋势判断起到扰动作用。因此，如何给当期发布的数据确定一个合理的权重，是客观、理性判断未来趋势的重要一环。因为预测有很多种方法，在定量分析法中，主要有因果分析法、计量模型分析法（包括回归分析法、投入产出分析法等）和时间序列分析法。无论运用哪一种分析法，大家比较容易犯的错误，就是给即期数据给予较大的权重，这是因为刚刚公布的数据对于研究人员的“大脑刺激”较为强烈。
　　在因果分析的权重上需要分清哪些是当期的因果关系，哪些是滞后的因果关系。比如，一季度房地产开发投资增长了6.2%，比2015年年末的1%增速大幅提升。但这主要是去年下半年房地产销量大幅上升的滞后反应（滞后6个月），不能据此认为房地产开发投资增速会持续上升。毕竟房地产投资增速的长期拐点在2010年就出现了（增速达33%），如果把去年1%的增速作为向上的拐点，那岂不是中国经济新一轮周期又开始了？
　　此外，当抽取样过小时，权重理应也要做下调。如一季度固定资产投资增速上升了10.7%，但不能以此来推断今年的固定资产投资增速要超过去年，因为一季度固定资产的投资总额只占全年投资总额12%左右，占比过低，故在做分析时，所给予的权重也不应太高。
　　在时间序列的权重分配上，有时确实很无奈，因为观察期毕竟有限。如库兹涅茨曲线是上世纪50年代诺贝尔奖获得者、经济学家库兹涅茨用来分析人均收入水平与分配公平程度之间关系的一种学说。其倒U型曲线理论的提出，更多是基于统计分析，他所收取的样本数据表明，收入不均现象随着经济增长先升后降，呈现倒U型曲线关系。而皮凯蒂在研究中发现，库茨涅茨所取样本的时间太短，从1914年到上世纪70年代是一段异常的历史时期，其间收入贫富差距和财富股票（相对于国民年收入）大幅下降。然而，从上世纪70年代起，财富及收入差距一直在上升，回到20世纪前的水平。
　　笔者十分认可《二十一世纪资本论》作者皮凯蒂的这一结论：统计在很多时候会骗人，因为所取的样本时段有问题。人的生命周期短暂，故观察到的时间段也往往不长，这几乎是所有经济学家所提出的理论不能成为颠覆不破真理的根本原因。
　　因此，我还是主张用望远镜看宏观，太多短期数据其实是在制造噪音，影响大家的判断力。如对于一季度经济数据的解读，应该建立在过去一年甚至五年的趋势分析基础上，因为短期数据不可能改变对长期趋势的基本判断。年初还在提供给侧结构性改革的五大目标，怎么可能一下子全社会需求大增呢？怎么可能要迎来新一轮周期呢？螺纹钢上涨了，煤炭上涨了，这究竟是长期超跌的反弹，还是代表大宗商品大周期的见底回升呢？用望远镜看更清楚。经济的长期走势必然是符合长期逻辑的，而短期走势往往只是辩证逻辑起作用――围绕均线上下波动。
　　评判标准差异导致结论迥异
　　一季度的GDP增速、固定资产投资增速和工业增加值增速等的数据都不错，于是就有了开门红之说。但是，这只是体现量的数据，对经济活动的评价，是否还应该，或者更应体现质呢？如企业的盈利增速、平均ROIC、银行坏账率、居民的收入增长、全社会债务水平、社会公共服务水平等。
　　若一个国家经济增速很快，但债务的增速快于经济增速，那增长就不可持续。中国在2008年之前，GDP的增速超过债务的增速，2009年至今，企业、政府和居民的债务总和增速大大超过GDP增速。这就是大家担心危机爆发的原因。当然，我并不认为2008年中国经济就是健康，其实2008年之前中国经济是欠账式增长，没有去以丰补欠，才导致了目前的负债式增长。
　　企业是一个国家经济的基本元素，企业强则国家经济强。从目前看，尽管企业的盈利状况有所改善，但债务的上升更快。如财政部网站上对月份国有及国有控股企业的财务状况做了披露：
　　2月末，国有企业资产总额亿元，同比增长15.6%；负债总额亿元，同比增长17.9%；所有者权益合计亿元，同比增长11.2%。（1）中央企业资产总额亿元，同比增长18.3%；负债总额亿元，同比增长22.6%；所有者权益合计亿元，同比增长9.9%。（2）地方国有企业资产总额亿元，同比增长12.5%；负债总额亿元，同比增长12.5%；所有者权益合计亿元，同比增长12.6%。
　　最近，信用债市场的到期债券违约事件频发发生，其中25只违约债券中仅有8只完成了兑付，其余17只至今仍悬而未决。违约后完成兑付的绝大多数是民企发行人，通过资产重组、争取银行流动性支持等途径兑付了债券。而违约的地方国企、央企等大多已经连年亏损，积重难返，政府支持力度下降，且债务重组需经层层上报，协调难度较大，重组进展较慢，拖累债券兑付。这说明，在高负债的情况下，即便被认为最有信用保障的国企也难履约。
　　此外，居民的收入水平和收入增长情况也是反映经济质量的重要指标。产能过剩问题除了供给端因素外，需求端的有效需求不足也是一个重要因素。马桶盖的疯抢反映了本土企业难以为富裕和中产阶层提供有效供给，但该群体占中国总人口的比重不足10%，90%的中低收入群体中大约还有一半的人口没有用上马桶（座便器），这就是因收入水平较低导致的有效需求不足问题。
　　一季度居民可支配收入增速为6.5%，低于GDP增速，这是问题之一；问题之二是贫富差距过大，且城镇人口之间还在扩大，农村人口之间也在扩大，这是导致消费水平提升缓慢的主要原因。
　　一个经济体良性循环，应该是企业盈利增长&居民的收入增速&税收增速&GDP增速，如果反过来了，则社会债务水平就会上升，经济结构就会扭曲。中国目前的情况，似乎是反过来了。
　　看数据表象和探究数据背后使观点分野
　　记得20年前我在原君安研究所做分析师的时候，时任总裁告诫分析师们说，千万不要根据股价的技术图形写推荐报告，因为他也可以将股价走势的漂亮图形通过交易做出来（当时君安是资本市场老大）。交易数据是真实的，虽然无法造假，却可以操纵，但上市公司的业绩等基本面不会因为股价的上涨而改变。
　　同样道理，面对一大堆的经济数据，如果仅仅是根据公布的几个数据进行简单演绎，那这与中国股市第一代的技术分析师们有什么区别呢？
　　比如，你可以根据M1高增长的特点，说货币流向实体，中国经济已经脱虚向实了。或者看到工业增加值回升、出口回升和投资回升，判断GDP增速已经见底，二季度会继续上升――这一判断没错，但别忘了，今后一年或五年会怎样？为了稳住GDP，所付出的代价有多大？请看下面两张图吧：
　　按第一季度新增贷款4.61万亿，第一季度新增贷款一般占全年30%左右的比例推算，今年的新增贷款规模大约为15.4万亿，这就要创出历史天量了。其中一季度个人房贷就增加了1万亿，居民加杠杆非常明显。从新增社会融资总额对应的一季度名义GDP总额看，只有2.4倍，应该也是历史新低了。说明靠大规模融资推动经济增长的难度也越来越大了。
　　海通宏观研究于博提供
　　中国3月末的货币乘数已经接近06年的最高点（5.1），但06年属于经济高增长、低通胀阶段，企业盈利增速两位数。所以，如今商业银行这样的扩张，风险很大。
　　不少人认为4月份应该降准，理由是核心CPI并不高，且央行MLF到期量很大，会影响流动性。但本人从下图去分析，感觉不应该降准。因为商业银行的信用扩张过大，大宗商品价格的上涨也会传导到CPI。所以，数据样本的种类越多，对于分析判断客观性的提升还是有利的。
　　商业银行的信用扩张有多猛
　　海通宏观研究于博提供
　　通过数据分析，不难发现，三月份的投资和信贷数据上升非常猛烈，从而让GDP增速维持平稳。但是，为了一个数据的完美，却需要那么多各类经济活动做铺垫，代价似乎大了点。我始终认为，GDP是结果，而不是目标，因为一个经济体的好坏，不是一个GDP决定的。一旦把某些反映经济体量的数据作为目标了，则经济行为就会被扭曲。当年大跃进，就像想让钢铁产量赶英超美，结果导致了三年饥荒。就算钢铁产量超过了，你还是应该穷国。
　　利益驱使会导致结论不同
　　俗话说，屁股决定脑袋。数据本身是客观存在的、中性的，但数据也是无时无刻不被各种利益主体所利用的。如商业机构的分析师有时还得兼顾客户利益，这也是为何卖方报告中十分罕见建议卖出某某股票的研究报告的原因。股市中也有一句大家皆知的话，叫“听某人讲观点便知道他的仓位”。
　　记得在粉碎四人帮之前，官媒总是说，“中国经济形势一派大好，而且越来越好。资本主义一天天烂下去，社会主义一天天好起来。”，这当然与事实不符。但1978年之后，官媒对过去中国经济的评价却变成了“国民经济已经到了崩溃的边缘”，这一评价是否就客观了呢？一个已经建立起完整而独立的工业体系、尽管物资短缺但却“既无内债、又无外债”的经济体怎么可能崩溃呢？
　　因此，同样的数据会有不同的解读，解读者的利益差异也是一个重要因素。对于读者而言，也需要分析作者的观点是否受到其利益的影响。对于本人也不例外，本篇尽管是分析对当下经济形势判断出现差异的原因的，但分析过程同样也可能掺杂着本人对经济的主观解读和预测。尽管我不认为自己的观点不代表所在商业机构或团体，力求客观公正，但也可能因为前面陈述的三种因素而犯下错误。
　　在电子化时代，绝大部分进入互联网的电子文档都会永存在世，都可以通过时间来检验真伪。因此，这对于读者判断作者的真伪诚信、水平高低越来越便捷了。的确，在需要鼓舞士气的时候，信心比黄金更重要，但信心需要建立在对数据的分析结论令人信服的基础之上。如果得出的结论与现实差距过大，信心也就难以树立起来。
　　（本文仅代表作者个人观点）
　　更多内容见搜狐财经思想库，请扫下方二维码进入：
(责任编辑：单秀巧 UF011)
&&&&&&</div
搜狐财经致力遇汇集变革力量，评出“中国最具变革力人物&#8226;公司”[]
图解财经：
今日主角：
客服热线：86-10-
客服邮箱：以下试题来自：
多项选择题数据库以收录内容及功能的不同可划分为如下几种类型（）。
A、事实数值型数据库
B、书目型数据库
C、全文型数据库
D、电子数据库
为您推荐的考试题库
您可能感兴趣的试卷
你可能感兴趣的试题
A、来源出版物
B、出版日期
C、被引频次
D、第一作者
A、前向引证关系（施引文献）
B、后向引证关系（引用的文献）
C、双向引证关系
D、反向引证关系
A、分类导航
D、中文主题词
B、万方数据库
C、维普中文科技期刊数据库欢迎您光临亿恩科技官网！
域名常见问题
虚拟主机使用指南
云主机使用指南
服务器租用/托管指南
服务器租用/托管指南
智能建站使用指南
> >文章内容
数据库中数据的性质和简历
发布时间:&& 17:18:30
数据库是一个单位或是一个应用领域的通用，他存储的是属于企业和事业部门、和个人的有关数据的集合。数据库中的数据是从全局观点出发建立的，他按一定的进行组织、描述和存储。其结构基于数据间的自然联系，从而可提供一切必要的存取，且数据不再针对某一应用，而是面向全组织，具有整体的结构化特征。
数据库中的数据是为众多用户所共享其信息而建立的，已经摆脱了具体的限制和制约。不同的用户可以按各自的用法使用数据库中的数据；多个用户可以同时共享数据库中的数据资源，即不同的用户可以同时存取数据库中的同一个数据。数据共享性不仅满足了各用户对信息内容的要求，同时也满足了各用户之间信息通信的要求。
数据库的历史可以追溯到五十年前，那时的非常简单。通过大量的分类、比较和表格绘制的机器运行数百万穿孔卡片来进行数据的处理，其运行结果在纸上打印出来或者制成新的穿孔卡片。而数据管理就是对所有这些穿孔卡片进行物理的储存和处理。然而，1
9 5 1 年（Remington Rand
Inc）的一种叫做Univac I 的计算机推出了一种一秒钟可以输入数百条记录的磁带，从而引发了数据管理的革命。1956 年IBM生产出第一个驱动器&& the Model 305 RAMAC。此驱动器有50 个盘片，每个盘片直径是2
英尺，可以储存5MB的数据。使用磁盘最大的好处是可以随机地存取数据，而穿孔卡片和磁带只能顺序存取数据。
1951： Univac系统使用磁带和穿孔卡片作为。
的萌芽出现于60
年代。当时计算机开始广泛地应用于数据管理，对数据的共享提出了越来越高的要求。传统的文件系统已经不能满足人们的需要。能够统一管理和共享数据的（DBMS）应运而生。是数据库系统的核心和基础，各种DBMS 都是基于某种数据模型的。所以通常也按照数据模型的特点将系统分成、和三类。
最早出现的是网状 DBMS，是通用电气公司Bachman等人在1961年开发成功的IDS（Integrated DataStore）。1961年（General ElectricCo.）的Charles
Bachman 成功地开发出世界上第一个网状DBMS也是第一个数据库管理系统&& 存储（Integrated DataStore
IDS），奠定了网状数据库的基础，并在当时得到了广泛的发行和应用。IDS 具有数据模式和的特征。但它只能在GE上运行，并且数据库只有一个文件，数据库所有的表必须通过手工来生成。之后，通用电气公司一个&&BF Goodrich Chemical
公司最终不得不重写了整个系统。并将重写后的系统命名为集成数据管理系统（IDMS）。
网状对于层次和非层次结构的事物都能比较自然的模拟，在关系数据库出现之前网状DBMS要比层次DBMS用得普遍。在数据库发展史上，网状数据库占有重要地位。
层次型DBMS是紧随网络型数据库而出现的，最著名最典型的层次数据库系统是IBM 公司在1968
年开发的IMS。
（Information Management
System），一种适合其主机的层次数据库。这是IBM公司研制的最早的大型数据库系统产品。从60 年代末产生起，如今已经发展到IMSV6，提供群集、N路数据共享、共享等先进特性的支持。这个具有3 0
年历史的数据库产品在如今的WWW应用连接、商务智能应用中扮演着新的角色。
1973 年Cullinane 公司（也就是后来的Cullinet软件公司），开始出售Goodrich
公司的IDMS 改进版本，并且逐渐成为当时世界上最大的软件公司。
网状数据库和已经很好地解决了数据的集中和共享问题，但是在和抽象级别上仍有很大欠缺。用户在对这两种数据库进行存取时，仍然需要明确数据的，指出存取路径。而后来出现的较好地解决了这些问题。
1970年，的研究员E.F.Codd博士在刊物《Communication of the ACM》上发表了一篇名为&A
Relational Model of Data for Large Shared Data Banks&的论文，提出了的概念，奠定了关系的理论基础。尽管之前在1968年Childs已经提出了面向集合的模型，然而这篇论文被普遍认为是历史上具有划时代意义的。Codd的心愿是为数据库建立一个优美的。后来Codd又陆续发表多篇文章，论述了和衡量的12条标准，用数学理论奠定了关系数据库的基础。关系模型有严格的数学基础，抽象级别比较高，而且简单清晰，便于理解和使用。但是当时也有人认为关系模型是理想化的数据模型，用来实现
DBMS是不现实的，尤其担心关系数据库的性能难以接受，更有人视其为当时正在进行中的网状数据库规范化工作的严重威胁。为了促进对问题的理解，1974
年ACM牵头组织了一次研讨会，会上开展了一场分别以Codd和Bachman为首的支持和反对关系数据库两派之间的辩论。这次著名的辩论推动了关系数据库的发展，使其最终成为现代数据库产品的主流。
1969： Edgar F.&Ted& Codd发明了关系数据库。
1970年关系模型建立之后，IBM公司在San
Jose实验室增加了更多的研究人员研究这个项目，这个项目就是著名的System
R。其目标是论证一个全功能关系DBMS的可行性。该项目结束于1979年，完成了第一个实现SQL的 DBMS。然而IBM对IMS的承诺阻止了System
R的投产，一直到1980年System
R才作为一个产品正式推向市场。IBM产品化步伐缓慢的三个原因：IBM重视信誉，重视质量，尽量减少故障；IBM是个大公司，官僚体系庞大；IBM内部已经有层次数据库产品，相关人员不积极，甚至反对。
然而同时，1973年的Michael Stonebraker和Eugene Wong利用System
R已发布的信息开始开发自己的Ingres。他们开发的Ingres项目最后由Oracle公司、Ingres公司以及硅谷的其他厂商所商品化。后来，System
R和Ingres系统双双获得ACM的1988年&奖&。
1976年霍尼韦尔公司(Honeywell)开发了第一个商用关系数据库系统&&Multics
Relational Data Store。系统以为坚实的理论基础，经过几十年的发展和实际应用，技术越来越成熟和完善。其代表产品有、IBM公司的 DB2、的MS SQL Server以及Informix、ADABASD等等。
年，IBM的Ray Boyce和Don Chamberlin将Codd的12条准则的定义以简单的关键字语法表现出来，里程碑式地提出了SQL(Structured Query Language)语言。的功能包括查询、操纵、定义和控制，是一个综合的、通用的关系数据库语言，同时又是一种高度非过程化的语言，只要求用户指出做什么而不需要指出怎么做。SQL集成实现了中的全部操作。SQL提供了与关系数据库进行交互的方法，它可以与标准的一起工作。自产生之日起，SQL语言便成了检验关系数据库的试金石，而SQL语言标准的每一次变更都指导着关系数据库产品的发展方向。然而，直到二十世纪七十年代中期，关系理论才通过SQL在商业数据库Oracle和DB2中使用。
1986年，ANSI把SQL作为关系数据库语言的，同年公布了标准SQL文本。目前SQL标准有3个版本。基本SQL定义是ANSIX3135-89，&Database
Language - SQL with Integrity Enhancement&[ANS89]，一般叫做SQL-89。SQL-89定义了定义、数据操作和。SQL- 89和随后的ANSIX，&Database Language-Embedded
SQL&构成了第一代SQL标准。ANSIX[ANS92]描述了一种增强功能的SQL，现在叫做SQL-92标准。SQL-92包括模式操作，动态创建和SQL语句动态执行、网络环境支持等增强特性。在完成SQL-92标准后，ANSI和ISO即开始合作开发SQL3标准。SQL3的主要特点在于的支持，为新一代对象关系数据库提供了标准。
&&（Oracle）
1976 年IBM E.F.Codd发表了一篇里程碑的论文&R系统:数据库关系理论&，介绍了理论和
查询语言SQL。Oracle的创始人Ellison非常仔细地阅读了这篇文章，被其内容震惊，这是第一次有人用全面一致的方案管理数据信息。作者E.F.Codd十年前就发表了关系数据库理论，并在IBM
研究机构开发原型，这个项目就是R系统，存取数据表的语言就是SQL。Ellison看完后，敏锐意识到在这个研究基础上可以开发商用系统。而当时大多数人认为关系数据库不会有商业价值。Ellison认为这是他们的机会:他们决定开发通用商用Oracle，这个名字来源于他们曾给中央情报局做过的项目名。几个月后，他们就开发了Oracle 1.0
。但这只不过是个玩具，除了完成简单关系查询不能做任何事情，他们花相当长的时间才使Oracle变得可用，维持公司运转主要靠承接一些项目和做顾问咨询工作。而IBM却没有计划开发，为什么蓝色巨人放弃了这个价值上百亿的产品，原因有很多：IBM的研究人员大多是学术出身，他们最感兴趣的是理论，而非推向市场的产品，从学术上看，研究成果应公开，发表论文和演讲能使他们成名，为什么不呢？还有一个很主要的原因就是IBM
当时有一个销售得还不错的产品IMS。直到1985年I B
M 才发布了关系数据库D B 2 ,Ellision那时已经成了千万富翁。Ellison曾将IBM 选择Microsoft 的作为IBM-PC机的比为：&企业经营历史上最严重的错误，价值超过了上千亿美元。&IBM
发表R系统论文，而且没有很快推出关系数据库产品的错误可能仅仅次之。Oracle 的市值在1996年就达到了280亿美元。
随着和市场的发展，人们发现系统虽然技术很成熟，但其也是显而易见的：它能很好地处理所谓的&表格型数据&，却对技术界出现的越来越多的复杂类型的数据无能为力。九十年代以后，技术界一直在研究和寻求新型。但在什么是新型数据库系统的发展方向的问题上，产业界一度是相当困惑的。受当时技术风潮的影响，在相当一段时间内，人们把大量的精力花在研究&面向对象的数据库系统(object
database)&或简称&OO数据库系统&。值得一提的是，美国Stonebraker教授提出的面向对象的关系型数据库理论曾一度受到产业界的青睐。而Stonebraker本人也在当时被Informix花大价钱聘为技术总负责人。
然而，数年的发展表明，的关系型数据库系统产品的市场发展的并不理想。理论上的完美性并没有带来市场的热烈反应。其不成功的主要原因在于，这种数据库产品的主要设计思想是企图用新型数据库系统来取代现有的数据库系统。这对许多已经运用数据库系统多年并积累了大量工作数据的客户，尤其是来说，是无法承受新旧数据间的转换而带来的巨大工作量及巨额开支的。另外，面向对象的关系型数据库系统使查询语言变得极其复杂，从而使得无论是数据库的开发还是应用客户都视其复杂的应用技术为畏途。
二十世纪六十年代后期出现了一种新型：决定支持系统(DSS)，其目的是让管理者在决策过程中更有效地利用数据信息。于是在1970年， 第一个工具&&Express诞生了。其他紧随其后，许多是由公司的IT部门开发出来的。
1985年，第一个商务智能系统(business intelligence)由Metaphor有限公司为Procter &
Gamble公司开发出来，主要是用来连接销售信息和零售的数据。同年，
Pilot 公司开始出售第一个商用客户/服务器执行&&Command
Center。同样在这年，加州大学伯克利分校Ingres项目演变成Postgres，其目标是开发出一个的数据库。此后一年， Graphael公司开发了第一个商用的对象&Gbase。
1988年，IBM公司的研究者Barry Devlin和Paul
Murphy发明了一个新的术语&信息仓库，之后，IT的厂商开始构建实验性的数据仓库。1991年，W.H. &Bill&
Inmon出版了一本&如何构建数据仓库&的书，使得数据仓库真正开始应用。
1991： W.H.&Bill& Inmon发表了&构建数据仓库&
二十世纪九十年代，随着基于PC的客户/服务器计算模式和企业的广泛采用，的变革基本完成。数据管理不再仅仅是存储和管理数据，而转变成用户所需要的各种数据管理的方式。Internet的异军突起以及的出现，给数据库系统的发展开辟了一片新的天地。
随着互联网web2.0网站的兴起，非关系型的数据库现在成了一个极其热门的新领域，非产品的发展非常迅速。而传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题，例如：
1、High performance & 对数据库高并发读写的需求
web2.0网站要根据用户个性化信息来实时生成和提供动态信息，所以基本上无法使用技术，因此数据库并发负载非常高，往往要达到每秒上万次读写请求。关系数据库应付上万次SQL查询还勉强顶得住，但是应付上万次SQL写数据请求，硬盘IO就已经无法承受了。其实对于普通的BBS网站，往往也存在对高并发写请求的需求，例如像JavaEye网站的实时统计在线用户状态，记录热门帖子的点击次数，投票计数等，因此这是一个相当普遍的需求。
2、Huge Storage & 对海量数据的高效率存储和访问的需求
类似Facebook，twitter，Friendfeed这样的SNS网站，每天用户产生海量的用户动态，以Friendfeed为例，一个月就达到了2.5亿条用户动态，对于关系数据库来说，在一张2.5亿条记录的表里面进行SQL查询，效率是极其低下乃至不可忍受的。再例如大型web网站的用户登录系统，例如腾讯，盛大，动辄数以亿计的帐号，关系数据库也很难应付。
3、High Scalability && High Availability-
对数据库的高可扩展性和高可用性的需求
在基于web的架构当中，数据库是最难进行横向扩展的，当一个应用系统的和访问量与日俱增的时候，你的数据库却没有办法像web
server和app server那样简单的通过添加更多的硬件和服务节点来扩展性能和负载能力。对于很多需要提供24小时不间断服务的网站来说，对进行升级和扩展是非常痛苦的事情，往往需要停机维护和，为什么数据库不能通过不断的添加来实现扩展呢？
在上面提到的&三高&需求面前，关系数据库遇到了难以克服的障碍，而对于web2.0网站来说，关系数据库的很多主要特性却往往无用武之地，例如：
1、数据库事务一致性需求
很多web并不要求严格的数据库事务，对读一致性的要求很低，有些场合对写一致性要求也不高。因此数据库事务管理成了数据库高负载下一个沉重的负担。
2、数据库的写实时性和读实时性需求
对关系数据库来说，插入一条数据之后立刻查询，是肯定可以读出来这条数据的，但是对于很多web应用来说，并不要求这么高的实时性，比方说我（JavaEye的robbin）发一条消息之后，过几秒乃至十几秒之后，我的订阅者才看到这条动态是完全可以接受的。
3、对复杂的SQL查询，特别是多表关联查询的需求
任何量的web系统，都非常忌讳多个大表的关联查询，以及复杂的数据分析类型的复杂SQL报表查询，特别是SNS类型的网站，从需求以及产品设计角度，就避免了这种情况的产生。往往更多的只是单表的主键查询，以及单表的简单条件分页查询，SQL的功能被极大的弱化了。
因此，关系数据库在这些越来越多的应用场景下显得不那么合适了，为了解决这类问题的非关系数据库应运而生，各种各样非关系数据库，特别是键值数据库(Key-Value
Store DB)风起云涌，多得让人眼花缭乱。
电话6本文出自：
亿恩郑州公司(总部)：
经营性ICP/ISP/IDC证：豫B1.B2-
地址：郑州市高新区翠竹街1号总部企业基地亿恩大厦
亿恩南昌公司：
经营性ICP/ISP证：赣B2-
地址：南昌市洪城路国贸广场A区巨豪峰13层
服务器/云主机 24小时售后服务电话：0
虚拟主机/智能建站 24小时售后服务电话：3
扫扫关注-微信公众号
400-723-6868
Help center
ENKJ All Rights Reserved 亿恩科技 版权所有 &#12288; 亿恩科技法律顾问：河南三融律师事务所周跃、裴松龄律师 &#12288;
&#12288; 经营性ICP/ISP证：京B2-