都说如今是互联网大数据时代，很多事情都是可用大数据来解释的。与之相对应的还有数据库和数据仓库也出现在大众面前。这不免让很多不了解的人有些晕。那么数据库与数据仓库和大数据是什么关系？有的人说数据库就是储藏大数据的地方呗，其实这只是其中的一部分，并不是全面的介绍，下面我们就来详细了解一下三者之间的关系。

 数据处理的起源

人类的发展，离不开数据的处理。最早的数据处理方式是什么？可能是结绳记事——这种古老的数据处理方式，包含了现代计算机拥有的数据存储、查询、分析等全部功能。

这个方法貌似可以，但是数据量稍微大一点的话……

后来，人类创造出了文字后，数据处理能力就大多了。一个典型的“应用”是，从旧石器时代开始，人们就通过甲骨文进行记账。

到新石器时代中晚期，母系氏族社会经济高度发展，人们开始创造并广泛采用成套的刻划符号进行记录、计量。

 数据库的诞生

现代数据处理革命性的进展，要等到1960年。为了解决零件管理问题。一款叫做ICS的软件被研发出来了，专门用来管理这些零件信息。

后来以此为基础诞生了大名鼎鼎的IMS（Information Management System）数据库。这是现代数据库的祖先。

 如何理解数据库呢

可以把它想象为加强版的EXCEL，在一个表格中记录数据。例如学生的成绩单，记录有姓名、学科、成绩信息。想要查询下学生的平均成绩，只需要按顺序遍历这个表格，加和取平均数。

如果学生很多，对于EXCEL来说那就比较麻烦，但对于数据库来说则比较简单，可使用一种叫SQL的语言，通过描述性的交互取得数据，非常方便。

 数据仓库的诞生

数据库的诞生，很好地解决了保存、使用数据的问题，大量类似的产品涌现出来。

但到了上世纪70、80年代，企业管理的内部数据发生了一些变化，一方面数据量越来越大，另一方面使用复杂度提高很多。各种复杂报表令人非常头疼，要在其中挖掘出数据背后的价值，当时的数据库已经跟不上需求。

于是，专门用于数据分析的数据库诞生了——1988年数据仓库（Data Warehouse）的概念第一次被提出了。

数据仓库之于数据库就如同F1跑车与普通轿车的区别。

普通轿车突出功能性、舒适性、安全性等等，可满足通用化的全面需求；而F1跑车则强调极致性能，而牺牲了舒适性等。数据仓库就是针对数据分析类场景，有特殊定制优化的产品。

 大数据的冲击

到了上世纪90年代，随着互联网的兴起，数据量爆炸式增长，数据处理规模已经从MB（1首MP3）、发展到TB（20万首歌）乃至EB级（2亿首歌）的惊人规模。

此外，数据处理还产生了实时性等新要求，基于传统架构的数据仓库也面临巨大挑战。

就在这个时候，大数据概念被首次提出了，拉开了“大数据”时代的大幕。原来令人困扰的问题，似乎一夜之间找到答案。

不同于今天大家耳熟能详的大数据，这里的大数据可以理解为一种数据处理技术，简单说，就是在单台计算机简单计算的基础上，通过堆积计算机这样的线性扩展方式来处理数据。

数据库和数据仓库当时处理不了的海量数据，在这种分布式处理思路下迎刃而解，数据库几十年的积累，一夜之间被大数据吊打。

 回归数据库

然而，大数据的狂野架构，从诞生之日起就决定其短板：分布式的方式固然很方便扩展，但是，作为大数据技术的基本单元，单机技术设计很粗糙，因此很快暴露出计算效率不高、精确性、准确度不足等问题。

而大数据技术的短板，正式数据库的强项。

事实上，后来大数据体系中引入SQL、MPP引擎、列存等等，正是吸取了数据库几十年来积累的一点点精华。但是大数据技术的基础过于野蛮，因此很难改进。

而此时，因为分布式协议的成熟，为数据库解决此前无力承受的海量数据、多模异构等问题提供了技术方案。数据库的春天，又回来了！

通过上述介绍，我们知道数据库与数据仓库和大数据是什么关系了吧，想了解更多关于数据库的信息，请继续关注。