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***种模式：实时查询数据库；
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；
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？
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。
原文链接：http://www.cnblogs.com/hadoopdev/p/3549382.html
