Ⅰ 葯智數據可以查詢葯品注冊與受理資料庫嗎
500錯誤。
你在成功發送插入請求後，伺服器發生不可預期的錯誤.
你可以檢查一下你的插入sql語句，把它列印出來，然後拷貝到資料庫里直接運行，看能不能運行成功
Ⅱ Neo4j類似的軟體有哪些
GraphScope、NetworkX、JanusGraph、TigerGraph、Dgraph這些都是，比如GraphScope的代碼可以在GitHub上面查看，它是阿里達摩院研發的一站式圖計算系統，應該還是比較權威。
Ⅲ 大數據培訓需要多長時間難不難學
大數據開發0基礎要學得久一些，一般要達到大數據開發初級工程師的水平至少要6個月以上，以下介紹的課程主要針對零基礎大數據工程師每個階段進行通俗易懂簡易介紹，方面大家更好的了解大數據學習課程。課程框架是科多大數據的零基礎大數據工程師課程。
一、 第一階段：靜態網頁基礎(HTML+CSS)
1. 難易程度：一顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：html常用標簽、CSS常見布局、樣式、定位等、靜態頁面的設計製作方式等
4. 描述如下：
從技術層面來說，該階段使用的技術代碼很簡單、易於學習、方便理解。從後期課程層來說，因為我們重點是大數據，但前期需要鍛煉編程技術與思維。經過我們多年開發和授課的項目經理分析，滿足這兩點，目前市場上最好理解和掌握的技術是J2EE，但J2EE又離不開頁面技術。所以第一階段我們的重點是頁面技術。採用市場上主流的HTMl+CSS。
二、 第二階段：JavaSE+JavaWeb
1. 難易程度：兩顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：java基礎語法、java面向對象(類、對象、封裝、繼承、多態、抽象類、介面、常見類、內部類、常見修飾符等)、異常、集合、文件、IO、MYSQL(基本SQL語句操作、多表查詢、子查詢、存儲過程、事務、分布式事務)JDBC、線程、反射、Socket編程、枚舉、泛型、設計模式
4. 描述如下：
稱為Java基礎，由淺入深的技術點、真實商業項目模塊分析、多種存儲方式的設計
與實現。該階段是前四個階段最最重要的階段，因為後面所有階段的都要基於此階段，也是學習大數據緊密度最高的階段。本階段將第一次接觸團隊開發、產出具有前後台(第一階段技術+第二階段的技術綜合應用)的真實項目。
三、 第三階段：前端框架
1. 難易程序：兩星
2. 課時量(技術知識點+階段項目任務+綜合能力)：64課時
3. 主要技術包括：Java、Jquery、註解反射一起使用，XML以及XML解析、解析dom4j、jxab、jdk8.0新特性、SVN、Maven、easyui
4. 描述如下：
前兩個階段的基礎上化靜為動，可以實現讓我們網頁內容更加的豐富，當然如果從市場人員層面來說，有專業的前端設計人員，我們設計本階段的目標在於前端的技術可以更直觀的鍛煉人的思維和設計能力。同時我們也將第二階段的高級特性融入到本階段。使學習者更上一層樓。
四、 第四階段：企業級開發框架
1. 難易程序：三顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：Hibernate、Spring、SpringMVC、log4j slf4j 整合、myBatis、struts2、Shiro、redis、流程引擎activity， 爬蟲技術nutch,lucene，webServiceCXF、Tomcat集群和熱備、MySQL讀寫分離
4. 描述如下：
如果將整個JAVA課程比作一個糕點店，那前面三個階段可以做出一個武大郎燒餅(因為是純手工-太麻煩)，而學習框架是可以開一個星巴克(高科技設備-省時省力)。從J2EE開發工程師的任職要求來說，該階段所用到的技術是必須掌握，而我們所授的課程是高於市場(市場上主流三大框架，我們進行七大框架技術傳授)、而且有真實的商業項目驅動。需求文檔、概要設計、詳細設計、源碼測試、部署、安裝手冊等都會進行講解。
五、 第五階段： 初識大數據
1. 難易程度：三顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：大數據前篇(什麼是大數據，應用場景，如何學習大資料庫，虛擬機概念和安裝等)、Linux常見命令(文件管理、系統管理、磁碟管理)、Linux Shell編程(SHELL變數、循環控制、應用)、Hadoop入門(Hadoop組成、單機版環境、目錄結構、HDFS界面、MR界面、簡單的SHELL、java訪問hadoop)、HDFS(簡介、SHELL、IDEA開發工具使用、全分布式集群搭建)、MapRece應用(中間計算過程、Java操作MapRece、程序運行、日誌監控)、Hadoop高級應用(YARN框架介紹、配置項與優化、CDH簡介、環境搭建)、擴展(MAP 端優化，COMBINER 使用方法見,TOP K,SQOOP導出,其它虛擬機VM的快照,許可權管理命令,AWK 與 SED命令)
4. 描述如下：
該階段設計是為了讓新人能夠對大數據有一個相對的大概念怎麼相對呢?在前置課程JAVA的學習過後能夠理解程序在單機的電腦上是如何運行的。現在，大數據呢?大數據是將程序運行在大規模機器的集群中處理。大數據當然是要處理數據，所以同樣，數據的存儲從單機存儲變為多機器大規模的集群存儲。
(你問我什麼是集群?好，我有一大鍋飯，我一個人可以吃完，但是要很久，現在我叫大家一起吃。一個人的時候叫人，人多了呢? 是不是叫人群啊!)
那麼大數據可以初略的分為： 大數據存儲和大數據處理所以在這個階段中呢，我們課程設計了大數據的標准：HADOOP大數據的運行呢並不是在咋們經常使用的WINDOWS 7或者W10上面，而是現在使用最廣泛的系統：LINUX。
六、 第六階段：大數據資料庫
1. 難易程度：四顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：Hive入門(Hive簡介、Hive使用場景、環境搭建、架構說明、工作機制)、Hive Shell編程(建表、查詢語句、分區與分桶、索引管理和視圖)、Hive高級應用(DISTINCT實現、groupby、join、sql轉化原理、java編程、配置和優化)、hbase入門、Hbase SHELL編程(DDL、DML、Java操作建表、查詢、壓縮、過濾器)、細說Hbase模塊(REGION、HREGION SERVER、HMASTER、ZOOKEEPER簡介、ZOOKEEPER配置、Hbase與Zookeeper集成)、HBASE高級特性(讀寫流程、數據模型、模式設計讀寫熱點、優化與配置)
4. 描述如下：
該階段設計是為了讓大家在理解大數據如何處理大規模的數據的同時。簡化咋們的編寫程序時間，同時提高讀取速度。
怎麼簡化呢?在第一階段中，如果需要進行復雜的業務關聯與數據挖掘，自行編寫MR程序是非常繁雜的。所以在這一階段中我們引入了HIVE，大數據中的數據倉庫。這里有一個關鍵字，數據倉庫。我知道你要問我，所以我先說，數據倉庫呢用來做數據挖掘分析的，通常是一個超大的數據中心，存儲這些數據的呢，一般為ORACLE,DB2,等大型資料庫，這些資料庫通常用作實時的在線業務。
總之，要基於數據倉庫分析數據呢速度是相對較慢的。但是方便在於只要熟悉SQL，學習起來相對簡單，而HIVE呢就是這樣一種工具，基於大數據的SQL查詢工具，這一階段呢還包括HBASE，它為大數據裡面的資料庫。納悶了，不是學了一種叫做HIVE的數據「倉庫」了么?HIVE是基於MR的所以查詢起來相當慢，HBASE呢基於大數據可以做到實時的數據查詢。一個主分析，另一個主查詢
七、 第七階段：實時數據採集
1. 難易程序：四顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：Flume日誌採集，KAFKA入門(消息隊列、應用場景、集群搭建)、KAFKA詳解(分區、主題、接受者、發送者、與ZOOKEEPER集成、Shell開發、Shell調試)、KAFKA高級使用(java開發、主要配置、優化項目)、數據可視化(圖形與圖表介紹、CHARTS工具分類、柱狀圖與餅圖、3D圖與地圖)、STORM入門(設計思想、應用場景、處理過程、集群安裝)、STROM開發(STROM MVN開發、編寫STORM本地程序)、STORM進階(java開發、主要配置、優化項目)、KAFKA非同步發送與批量發送時效，KAFKA全局消息有序，STORM多並發優化
4. 描述如下：
前面的階段數據來源是基於已經存在的大規模數據集來做的，數據處理與分析過後的結果是存在一定延時的，通常處理的數據為前一天的數據。
舉例場景：網站防盜鏈，客戶賬戶異常，實時徵信，遇到這些場景基於前一天的數據分析出來過後呢?是否太晚了。所以在本階段中我們引入了實時的數據採集與分析。主要包括了：FLUME實時數據採集，採集的來源支持非常廣泛，KAFKA數據數據接收與發送，STORM實時數據處理，數據處理秒級別
八、 第八階段：SPARK數據分析
1. 難易程序：五顆星
2. 課時量(技術知識點+階段項目任務+綜合能力)
3. 主要技術包括：SCALA入門(數據類型、運算符、控制語句、基礎函數)、SCALA進階(數據結構、類、對象、特質、模式匹配、正則表達式)、SCALA高級使用(高階函數、科里函數、偏函數、尾迭代、自帶高階函數等)、SPARK入門(環境搭建、基礎結構、運行模式)、Spark數據集與編程模型、SPARK SQL、SPARK 進階(DATA FRAME、DATASET、SPARK STREAMING原理、SPARK STREAMING支持源、集成KAFKA與SOCKET、編程模型)、SPARK高級編程(Spark-GraphX、Spark-Mllib機器學習)、SPARK高級應用(系統架構、主要配置和性能優化、故障與階段恢復)、SPARK ML KMEANS演算法，SCALA 隱式轉化高級特性
4. 描述如下：
同樣先說前面的階段，主要是第一階段。HADOOP呢在分析速度上基於MR的大規模數據集相對來說還是挺慢的，包括機器學習，人工智慧等。而且不適合做迭代計算。SPARK呢在分析上是作為MR的替代產品，怎麼替代呢? 先說他們的運行機制，HADOOP基於磁碟存儲分析，而SPARK基於內存分析。我這么說你可能不懂，再形象一點，就像你要坐火車從北京到上海，MR就是綠皮火車，而SPARK是高鐵或者磁懸浮。而SPARK呢是基於SCALA語言開發的，當然對SCALA支持最好，所以課程中先學習SCALA開發語言。
在科多大數據課程的設計方面，市面上的職位要求技術，基本全覆蓋。而且並不是單純的為了覆蓋職位要求，而是本身課程從前到後就是一個完整的大數據項目流程，一環扣一環。
比如從歷史數據的存儲，分析(HADOOP,HIVE,HBASE)，到實時的數據存儲(FLUME,KAFKA)，分析(STORM,SPARK)，這些在真實的項目中都是相互依賴存在的。
Ⅳ 知識圖譜可以用python構建嗎
知識圖譜可以用python構建嗎？
答案當然是可以的！！！
那麼如何使用python構建
什麼是知識圖譜
從Google搜索，到聊天機器人、金融風控、物聯網場景、智能醫療、自適應教育、推薦系統，無一不跟知識圖譜相關。它在技術領域的熱度也在逐年上升。
互聯網的終極形態是萬物的互聯，而搜索的終極目標是對萬物的直接搜索。傳統搜索引擎依靠網頁之間的超鏈接實現網頁的搜索，而語義搜索是直接對事物進行搜索，如人物、機構、地點等。這些事物可能來自文本、圖片、視頻、音頻、IoT設備等各種信息資源。而知識圖譜和語義技術提供了關於這些事物的分類、屬性和關系的描述，使得搜索引擎可以直接對事物進行索引和搜索。
知識圖譜是由Google公司在2012年提出來的一個新的概念。從學術的角度，我們可以對知識圖譜給一個這樣的定義：「知識圖譜本質上是語義網路（Semantic Network）的知識庫」。但這有點抽象，所以換個角度，從實際應用的角度出發其實可以簡單地把知識圖譜理解成多關系圖（Multi-relational Graph）。
那什麼叫多關系圖呢？ 學過數據結構的都應該知道什麼是圖（Graph）。圖是由節點（Vertex）和邊（Edge）來構成，但這些圖通常只包含一種類型的節點和邊。但相反，多關系圖一般包含多種類型的節點和多種類型的邊。
本項目利用pandas將excel中數據抽取，以三元組形式載入到neo4j資料庫中構建相關知識圖譜。
運行環境
基於Neo4j能夠很容易構建知識圖譜，除了用neo4j自帶的cypher，也支持Python包py2neo創建節點和關系從而構建知識圖譜。本項目是基於發票信息，將發票數據中結構化數據抽象成三元組，分別創建節點和關系從而構建成知識圖譜。
具體包依賴可以參考文件requirements.txt
neo4j-driver==1.6.2numpy==1.15.3pandas==0.23.4parso==0.3.1pickleshare==0.7.5pluggy==0.8.0prompt-toolkit==1.0.15py==1.7.0py2neo==3Pygments==2.2.0pytest==3.9.3python-dateutil==2.7.5wcwidth==0.1.7wincertstore==0.2xlrd==1.1.0
將所需依賴安裝到pyton中：pip install -r requirements.txt
Pandas抽取excel數據
python中pandas非常適用於數據分析與處理，可以將excel文件轉換成dataframe格式，這種格式類似於Spark中的Dataframe結構，可以用類sql的形式對數據進行處理。
Excel數據結構如下
通過函數data_extraction和函數relation_extrantion分別抽取構建知識圖譜所需要的節點數據以及聯系數據，構建三元組。
數據提取主要採用pandas將excel數據轉換成dataframe類型
invoice_neo4j.py
建立知識圖譜所需節點和關系數據
DataToNeo4jClass.py
具體代碼請移步到GitHub上下載
詳細內容請到github下載，項目名neo4j-python-pandas-py2neo-v3
更多Python知識，請關註：Python自學網！！
Ⅳ ASP+Dreamweaver動態網站開發的目錄
第1章 ASP網站開發概述 1
1.1 動態網頁簡介 1
1.1.1 什麼是動態網頁 1
1.1.2 動態網頁的應用范圍 2
1.1.3 常用動態網頁技術 2
1.2 ASP概述 6
1.2.1 認識ASP 6
1.2.2 ASP的基本語法 7
1.2.3 ASP的開發工具 8
1.2.4 Dreamweaver對ASP的支持 9
1.3 配置ASP開發環境 10
1.3.1 IIS的安裝與配置 10
1.3.2 建立Dreamweaver伺服器
站點並進行測試 18
1.4 小結 22
第2章 Dreamweaver CS3基礎 23
2.1 Dreamweaver CS3 23
2.1.1 Dreamweaver CS3的
工作環境 24
2.1.2 創建站點 29
2.2 文本和版面的控制 36
2.2.1 版面控制 36
2.2.2 網頁的文本的輸入和屬性設置 40
2.2.3 網頁其他元素的設置 43
2.2.4 創建「八榮八恥准則」
網頁 45
2.3 圖像和多媒體的使用 49
2.3.1 網頁圖片的插入和屬性設置 49
2.3.2 創建「紅樓夢人物介紹」網頁 53
2.4 表格的應用 55
2.4.1 網頁的頁面布局 56
2.4.2 表格的基本操作 58
2.4.3 表格的其他視圖 63
2.4.4 創建「金陵十二釵判詞」網頁 67
2.5 超級鏈接 68
2.5.1 超鏈接概述 68
2.5.2 創建「金陵十二釵圖譜」網頁 70
2.6 頁面布局 73
2.6.1 AP Div的基本操作 74
2.6.2 創建「史湘雲」網頁 76
2.7 使用表單 77
2.7.1 表單概述 77
2.7.2 創建「紅樓人物留言簿」網頁 85
2.8 使用CSS樣式 87
2.8.1 CSS樣式概述 88
2.8.2 CSS樣式面板的使用 90
2.8.3 創建「紅樓人物欄目導航」網頁 96
2.9 使用框架 98
2.9.1 框架的基本操作 98
2.9.2 創建「紅樓人物主體」網頁 103
2.10 綜合實例 104
2.11 小結 106
第3章 ASP腳本語言 107
3.1 腳本語言概述 107
3.1.1 腳本語言簡介 107
3.1.2 VBScript的基本格式 108
3.2 VBScript語法基礎 109
3.2.1 數據類型 109
3.2.2 運算符 110
3.2.3 常量和變數 111
3.2.4 數組 114
3.2.5 If條件語句 117
3.2.6 Select條件語句 120
3.2.7 For ... Next循環語句 121
3.2.8 Do ... Loop循環語句 124
3.2.9 過程 126
3.2.10 定義函數 128
3.2.11 內部函數 129
3.3 綜合實例 132
3.4 小結 133
第4章 Request/Response對象 134
4.1 對象簡介 134
4.2 利用Request對象從客戶端獲取信息 134
4.2.1 Form集合 135
4.2.2 QueryString集合 140
4.2.3 Cookies集合 143
4.2.4 ServerVariables集合 148
4.2.5 ClientCertificate集合 150
4.2.6 Request綜合實例 150
4.3 利用Response對象向客戶端傳輸信息 155
4.3.1 Write方法 156
4.3.2 Redirect方法 158
4.3.3 Cookies集合 159
4.3.4 Response綜合實例 160
4.4 小結 162
第5章 Application/Session對象 163
5.1 Application對象 163
5.1.1 Application屬性 164
5.1.2 Application方法 164
5.1.3 Application應用實例1：
計數器 165
5.1.4 Application應用實例2：簡單聊天室 167
5.2 Session對象 169
5.2.1 Session對象的常用屬性和方法 170
5.2.2 Session應用實例1：利用Session存儲信息 172
5.2.3 Session應用實例2：計數器 175
5.3 Global.asa文件 176
5.3.1 顯示在線人數實例 177
5.3.2 知識要點 178
5.3.3 操作步驟 178
5.4 小結 179
第6章 Server對象 180
6.1 Server對象屬性介紹 180
6.2 Server對象的方法 182
6.2.1 Execute方法 182
6.2.2 Transfer方法 185
6.2.3 MapPath方法 186
6.2.4 HTMLEncode方法 187
6.2.5 URLEncode方法 188
6.2.6 CreateObject方法 189
6.2.7 Server綜合實例 189
6.3 小結 196
第7章 使用ADO訪問資料庫 197
7.1 Access資料庫基本操作 197
7.1.1 Access資料庫的基本概念 197
7.2.2 創建Access資料庫實例 198
7.2 SQL基礎 200
7.2.1 Select語句 201
7.2.2 Insert語句 204
7.2.3 Update更新數據 206
7.2.4 Delete語句 208
7.3 使用ADO訪問資料庫 208
7.3.1 ADO簡介 208
7.3.2 Connection對象 211
7.3.3 Recordset對象 214
7.3.4 Command對象 228
7.4 小結 230
第8章 ASP常用內置組件 231
8.1 ASP的內置組件簡介 231
8.2 文件存取組件 232
8.2.1 FileSystemObject對象 233
8.2.2 TextStream對象 236
8.2.3 應用實例 238
8.3 廣告輪顯組件 240
8.3.1 AdRotator對象的屬性和方法 241
8.3.2 使用廣告輪顯組件的步驟 241
8.3.3 應用實例 242
8.4 瀏覽器兼容組件 245
8.4.1 browscap.ini文件 245
8.4.2 應用實例 246
8.5 文件超級鏈接組件 248
8.5.1 使用ContentLinking組件的步驟 248
8.5.2 應用實例 249
8.6 計數器組件 252
8.6.1 創建計數器組件的實例對象 252
8.6.2 Counters對象的方法 252
8.6.3 應用實例 253
8.7 小結 255
第9章 聊天室 256
9.1 聊天室系統分析與總體設計 256
9.1.1 聊天室功能介紹 256
9.1.2 總體布局 257
9.1.3 資料庫結構及實現 257
9.2 模塊設計 259
9.2.1 資料庫連接設計 259
9.2.2 用戶注冊與登錄 261
9.2.3 登錄處理頁面(main1.asp) 265
9.2.4 系統主頁面(main.asp) 266
9.2.5 聊天者發言(add.asp) 267
9.2.6 退出登錄(exit.asp) 270
9.2.7 顯示聊天信息(content.asp) 271
9.2.8 顯示在線用戶(online.asp) 272
9.3 小結 273
第10章 論壇 274
10.1 系統分析與總體設計 274
10.1.1 功能介紹 274
10.1.2 總體布局 275
10.1.3 資料庫結構及實現 276
10.2 模塊設計 278
10.2.1 首頁(index.asp)設計 278
10.2.2 發表帖子(add.asp) 283
10.2.3 瀏覽帖子和回復帖子 286
10.2.4 帖子搜索(search.asp) 291
10.2.5 論壇管理 293
10.3 小結 303
第11章 網上購物網站 304
11.1 系統分析與總體設計 304
11.1.1 功能介紹 304
11.1.2 總體布局 306
11.1.3 資料庫結構及實現 307
11.2 前台用戶模塊設計 310
11.2.1 首頁設計 310
11.2.2 商品信息瀏覽 313
11.2.3 搜索商品 317
11.2.4 添加到購物車 320
11.2.5 查看購物車 323
11.2.6 生成訂單 326
11.2.7 查看訂單 327
11.3 後台管理員模塊設計 332
11.3.1 商品分類 332
11.3.2 添加商品信息 336
11.3.3 商品信息管理 340
11.3.4 訂單管理 345
11.4 小結 348
第12章 新聞發布系統 349
12.1 系統分析與總體設計 349
12.1.1 功能介紹 349
12.1.2 總體布局 351
12.1.3 資料庫結構及實現 351
12.2 模塊設計與實現 353
12.2.1 新聞顯示 353
12.2.2 新聞瀏覽 358
12.2.3 新聞搜索 362
12.2.4 新聞顯示頁面 364
12.2.5 新聞版塊管理 366
12.2.6 新聞信息管理 370
12.3 小結 376
第13章 學生信息管理系統 377
13.1 系統分析與總體設計 377
13.1.1 功能介紹 377
13.1.2 總體布局 378
13.1.3 資料庫結構及實現 378
13.2 模塊設計 381
13.2.1 主頁面設計(index.asp) 381
13.2.2 學生注冊(student_reg.asp) 383
13.2.3 學生登錄
(student_login.asp) 385
13.2.4 學生基本信息管理 386
13.2.5 教師登錄
(teacher_login.asp) 396
13.2.6 教師基本信息管理 396
13.2.7 管理員教務管理 404
13.3 小結 410
第14章 在線測試系統 411
14.1 在線測試系統分析與總體設計 411
14.1.1 測試系統功能介紹 411
14.1.2 總體布局 412
14.1.3 資料庫結構及實現 412
14.2 模塊設計 415
14.2.1 資料庫連接設計 415
14.2.2 系統首頁 417
14.2.3 用戶注冊 417
14.2.4 用戶登錄 420
14.2.5 用戶測試頁面 422
14.2.6 成績判定頁面 426
14.2.7 保存成績頁面 428
14.2.8 用戶成績查詢 429
14.2.9 教師登錄 431
14.2.10 題庫類別管理 432
14.2.11 題庫管理 436
14.3 小結 442
……
Ⅵ 大數據分析的技術包括哪些
大數據技術，就是從各種類型的數據中快速獲得有價值信息的技術。大數據領域已經涌現出了大量新的技術，它們成為大數據採集、存儲、處理和呈現的有力武器。智能職涯（bigdata-job)總結了大數據處理關鍵技術一般包括：大數據採集、大數據預處理、大數據存儲及管理、大數據分析及挖掘、大數據展現和應用（大數據檢索、大數據可視化、大數據應用、大數據安全等）。
Ⅶ 怎樣建立一個簡單資料庫
具體步驟如下：
1、首先打開我們的access程序，打開方法是單擊開始——所有程序。
Ⅷ 想要見一個小分子代謝物質譜譜圖資料庫，誰能給些建議
你能夠獲得小分子代謝物質的譜圖，是建立一個索引資料庫的關鍵，我以前也建過資料庫。如果自己不懂資料庫編程（SQL），可找計算機專業的學生幫忙編寫，不是很麻煩。幾點建議：（1）資料庫的用途，內部使用還是對外，這點很重要，關繫到資料庫的架構（2）物質譜圖及性質是否完備，關繫到資料庫的大小（3）資料庫的檢索方式，關繫到資料庫的引用及檢索
Ⅸ nosql資料庫的幾大類型
1. 鍵值資料庫
相關產品：Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached
應用：內容緩存
優點：擴展性好、靈活性好、大量寫操作時性能高
缺點：無法存儲結構化信息、條件查詢效率較低
使用者：網路雲（Redis）、GitHub（Riak）、BestBuy（Riak）、Twitter（Ridis和Memcached）
2. 列族資料庫
相關產品：BigTable、HBase、Cassandra、HadoopDB、GreenPlum、PNUTS
應用：分布式數據存儲與管理
優點：查找速度快、可擴展性強、容易進行分布式擴展、復雜性低
使用者：Ebay（Cassandra）、Instagram（Cassandra）、NASA（Cassandra）、Facebook（HBase）
3. 文檔資料庫
相關產品：MongoDB、CouchDB、ThruDB、CloudKit、Perservere、Jackrabbit
應用：存儲、索引並管理面向文檔的數據或者類似的半結構化數據
優點：性能好、靈活性高、復雜性低、數據結構靈活
缺點：缺乏統一的查詢語言
使用者：網路雲資料庫（MongoDB）、SAP（MongoDB）
4. 圖形資料庫
圖形資料庫-使用圖作為數據模型來存儲數據。
相關產品：Neo4J、OrientDB、InfoGrid、GraphDB
應用：大量復雜、互連接、低結構化的圖結構場合，如社交網路、推薦系統等
優點：靈活性高、支持復雜的圖形演算法、可用於構建復雜的關系圖譜
缺點：復雜性高、只能支持一定的數據規模
使用者：Adobe（Neo4J）、Cisco（Neo4J）、T-Mobile（Neo4J）