一、楔子

　　胖子哥是我网名，叫了很多年的网名，网名的来历与自己的沧桑和身材有关，不知是IT改变了我，显得苍老，还是我本就苍老，顺应了IT行业的需要。25岁那年，曾被跟我一样高的漂亮美眉叫叔叔，从此再也不敢打小姑娘的注意，走上了重口味热爱阿姨级别女性的不归路；曾被三十五、六岁的同事阿姨说苍老：看你也就三十五六吧，那年我25；周一的时候，还有一个60后的同事问及我的年龄，他很含蓄的，明显带着保留的口吻问我：你是75年的吧？因为他一直认为和我一般大。然后...然后泪奔。关于体型方面也是个悲剧、三围相等，体重大于身高的角色，算是已经胖出了一定层次，每次听到别人叫我胖子，就感觉小小的自尊多少受到了伤害，然后就给自己在后面加了一个哥子，算是给自己遮半张脸吧。闲话就聊到这里，还是继续胖子哥的大数据之路吧，这次要谈的还是数据仓库。

二、实时查询数据库-HDFS&HBase

　　传统关系型数据库基于存储模式的问题带来的存储和访问瓶颈，是无法靠自身解决的，也就有了基于Big-Table型的NoSQL数据库用武之地，比较典型技术组合就是HDFS+HBase，利用HDFS的分布式、高可用数据存储，结合HBase面向列的数据存储模型，从而解决大数据量存储的问题；结合HBase基于Rowkey自然序的存储，从而实现海量数据快速查询。当然这种模式只适用于结构型数据，而且只适用于历史数据查询，而不适用于事务型业务的处理，从而产生了大数据在结构化数据存储方面的第一种模式：实时查询数据库；

三、大数据仓库-HDFS&Hive

　　基于关系型数据库的数据仓库，同样面临数据存储规模的问题，因此在银行业务中，同样也只能存储短期的数据，其目标在在于支持基于业务年度的报表统计和业务分析，而对于超过一定期限的数据仍然在走数据磁盘或磁带存储的模式。基于大数据技术体系，采用HDFS+Hive的模式，构建大数据仓库，则可以很轻松的解决数据大基数存储的问题。从而产生了大数据在结构化数据数据存储方面的第二种模式：大数据仓库；

四、替换还是互补-大家来回答，期待你的答案

　　问题一

　　实时查询数据库能否替换实时操作数据库吗？

　　问题二

　　大数据仓库可以替代数据仓库吗？

五、关于大数据题外话　　

　　曾经就干货与湿货的问题，与人发生过争辩，还是不淡定了。其实对于一个口渴的人，水就是干货，同样，对于一个迷路的人，指南针就是干货。见仁见智的事，不再做争辩。重在分享，送给大数据传统企业应用实施的探路者们，送给需要的人，立此存照。

　　持续更新中，未完待续。。。。

　　下期预告：大数据仓库项目的需求分析该如何去做。敬请期待。