大数据的典型特征包括数据量大、数据类型多、价值密度低等。当具有此类特征的数据进入存储阶段时，需要根据数据类型和场景匹配合适的数据存储解决方案。今天我们就来讲讲Java大数据开发中必须掌握的四种数据库。
大数据时代的数据大致可以分为结构化数据和非结构化数据。其中，结构化数据主要由传统的关系数据库存储，如Oracle、MySQL、PostgreSQL等。，它们是关系数据库的代表。
与结构化数据相比，非结构化数据比结构化数据更大，主要依靠非关系数据库进行存储。对于大数据开发人员来说，有不同类型的非关系数据库，需要匹配不同的场景进行选择。
MongoDB
MongoDB可以说是大数据时代数据库的杰作。MongoDB最大的特点是表结构灵活，字段类型可以随时修改。MongoDB中的每一行数据都简单地转换成Json格式并存储，不受表结构的限制。
没有表结构的事实给MongoDB带来了优势，但也有一定的缺陷。例如，MongoDB在多表查询和复杂事务等高级操作中不够好。
得益于MongoDB的这些特性，MongoDB非常适合那些表结构经常变化、数据逻辑结构没有那么复杂、不需要多表查询操作、数据量比较大的应用场景。
使用心得
Redis是最流行的键值数据库。当然，Redis最大的特点是键值存储带来的简单性和高性能。
所谓键值存储，就是每条记录只包含一个查询数据的键和存储数据对应的值，就像现实生活中的门牌号、住户一样，没有传统数据库中所需要的表、字段等复杂概念，所有的查询都只依赖键值。
由于这种简单的结构以及Redis将所有数据加载到内存中的事实，Redis的读写性能与常规数据库相比有了很大的提高。此外，Redis还支持数据持久化、列表和集合等各种数据结构、主从复制和备份等。，这很容易使用。
同样，由于数据结构简单，Redis对复杂查询的支持有限，无法支持多列查询、节查询等。一般来说，Redis更适合读写性能要求高、数据表结构简单、查询条件简单的应用场景。
弹性搜索
ElasticSearch严格来说不是数据库，而是搜索引擎，这个产品本身就是围绕搜索而设计的。
ES的典型优势是支持全文搜索，对中文友好。ES通过建立倒排索引实现全文搜索，从而实现对ES中存储的所有数据的快速检索，即使是非常复杂的聚合查询也能获得良好的性能。
当然ES也有一些缺点，最明显的就是字段类型无法修改，写入性能低，硬件资源消耗高。注定了ES不适合数据价值不高、需要写入性能、数据量大、成本有限的场景。
数据库
作为Hadoop生态系统的重要组成部分，HBase据说是大数据的必备，相信没有人会反对。HBase最大的优势是支持海量数据，横向扩展能力强。
Hbase的存储类似于Redis，Redis为每一行数据定义一个键，然后所有的查询都依赖于这个键。但是Hbase的区别是一行数据可以有很多列项，数据会按照列分组存储，同一列的数据会存储在同一个地方。
HBase的列存储特性带来了海量数据规模的支持和强大的可扩展性，但也给数据读取带来了很大的局限性。因为只有同一个列族的数据才会存储在一起，所有的查询都必须依赖于Key，这就使得很多复杂的查询变得困难。
简单来说，HBase适用于数据量巨大、查询条件简单、列间联系少的轻型查询应用场景。
总而言之:
以上四个数据库可以说是大数据开发必须掌握的四个数据库，能够满足大多数场景下的数据存储需求。不同的数据库适合不同的场景。如何选择取决于开发者的选择能力。
