資料庫是資訊化解決方案的核心組成部分，資料庫的選型通常要考慮以下幾個方面，分別是可靠性、儲存效能、擴充套件性、安全性、生態體系以及相關的配套服務。

物聯網系統產生的資料通常是非結構化資料或者是半結構化資料，這些資料往往具備資料量大、結構多樣性、因果關聯弱、價值密度低等特點，而這些特點也正是大資料的特點。其實，大資料系統的大部分資料來源就是物聯網系統產生的資料，從這個角度來看，物聯網的資料庫選型與大資料的資料庫選型存在著緊密的聯絡。當然，大資料系統的資料來源還包括傳統資訊系統和Web系統。

在大資料時代，由於資料自身產生了較大的變化，所以相應的資料庫產品也出現了一定的變化，出現了大量的NoSql資料庫，這些資料庫針對的正是物聯網系統產生的大量非結構化資料或者半結構化資料。雖然資料庫產品出現了眾多的變化，但是資料庫選擇的原則並沒有大的變化，首先應該考慮的還是可靠性、擴充套件性、生態體系等問題。

目前在大資料領域採用比較多的幾款資料庫產品分別是HBase、Redis、MongoDB、Couchbase、LevelDB等，其中HBase、Redis和MongoDB都是比較常見的選擇。HBase的特點是資料儲存量大，而且可以透過水平擴充套件的方式來提升資料儲存能力，穩定性也比較高，但是HBase的配置比較麻煩，開發過程相對也要麻煩一些。Redis的特點是效能表現比較好，同時Redis提供了事務管理功能，缺點是基於記憶體操作，所以適用於資料規模可預見的情況。MongoDB的優點集中在其強大的自動化Shading功能和高效的查詢上，缺點是對記憶體要求比較高且沒有事務機制。

DolphinDB是由智臾科技（www.dolphindb.com）完全自主研發的新一代的高效能分散式時序資料庫，集成了功能強大的程式語言和高容量高速度的流資料系統，能為海量結構化資料的快速儲存、檢索、分析及計算提供一站式解決方案，客戶無需自行整合不同供應商的多個系統，極大地降低了大資料管理和分析的綜合成本。其特點為一站式大資料解決方案、輕量級跨平臺部署、安全可控、效能優異、綜合使用成本低，特別適用於工業物聯網的應用。

DolphinDB適用於Linux和Windows環境，在雲端和邊緣端、伺服器和嵌入式裝置上均可部署。

DolphinDB提供一站式大資料方案：在同一個系統內實現海量歷史資料和實時流資料的錄入、儲存、檢索、計算、分析及視覺化。DolphinDB體量輕便，可部署於工業物聯網領域所使用的各種軟硬體環境，既可以用於實時監控，也可對歷史資料進行深度挖掘。

DolphinDB效能優異：執行速度是同類系統的10-1000倍，實現PB級資料毫秒級查詢與秒級計算響應，單伺服器每秒5000餘萬資料點寫入。特別適合高吞吐低延遲的實時資料處理與分析任務，以及對海量歷史資料的複雜分析。系統可擴充套件性強，具有良好的容錯能力及優異的多使用者併發訪問能力。

DolphinDB綜合擁有成本低：綜合擁有成本是傳統關係型資料庫的1/100。高效能一站式解決方案顯著降低對硬體的需要。簡單易用的程式語言顯著降低開發難度，有效節省開發和維護成本。

DolphinDB在物聯網的資料庫選型中的優勢詳見知乎文章《DolphinDB作為工業物聯網資料後臺的7大優勢（https://zhuanlan.zhihu.com/p/50654275）。大家也可到www.dolphindb.com下載試用。

現在銀行都已經去IOE化了，就是IBM小型機、oracle資料庫和EMC儲存裝置。那麼根據業務場景不同，技術選型也不一樣啊，不過現在常用的也就是MYSQL、HBase、Redis和MongoDB。如果想要簡單點，直接全部上雲，用雲資料庫，當然常用的也就那幾種，可以節約開發時間，效能有保障、安全也有保證，就是成本有點貴。

希望對您有幫助！

物聯網時代，大量的資料從不同的裝置感測器產生，單機資料庫系統肯定無法儲存這麼大量的資料，在選擇資料庫方面，肯定要選擇具有分散式能力儲存的資料庫。

在物聯網時代，資料之間還有一個非常重要的特性，那就是資料之間的關聯性。不同的資料從相互連線的網際網路裝置感測器中產生，由於不同的感測器相互連線，協同工作和採集資料，如何將大量具有相互關聯的資料儲存在資料庫，這裡我推薦使用圖資料庫來進行儲存。

圖資料庫相對於其他資料庫來說，最大的優勢就是查詢資料之間的關聯性會更加快速，消耗的時間會更短。打個比方，在社交網路中，我們想要查詢在使用者A的粉絲中，粉絲關注了B的使用者。如果使用傳統關係型資料庫來儲存使用者的關注關係，在上面的資料統計中，要使用兩層Join才能算出結果，而關係型資料庫Join操作會很慢。使用圖型資料庫儲存資料的話，圖中的點為使用者，邊為使用者的關注關係，在查詢A的粉絲，同時粉絲也關注B的使用者，只需要遍歷兩層關注關係就能很快查詢到結果。

圖資料庫也屬於NoSql資料庫的一種，常用的圖形資料庫有，JanusGraph、Neo4j、Cayley、dgraph。不同的圖資料庫，底層實現也不盡相同。

JanusGraph是一種分散式圖資料庫，由Java語言開發，可以使用Hadoop生態儲存系統作為資料來源，構建出資料大圖。是TiTan圖資料庫的開源版本，支援事務的ACID。

Neo4j是一種單機的圖資料庫，其優勢就是能夠快速安裝並且使用，便於新同學上手。你的資料量一般不大的話，我推薦使用Neo4j，直接使用Neo4j相關的API就可以將資料模型圖構建而出，然後使用 Neo4j Cypher查詢語言，就可以分析資料，Cypher是一種類SQL的語言。

Cayley和Dgraph都是使用Go語言實現的圖資料庫，Go語言的最大特性就是其編譯速度和開發便捷性，Cayley和Dgraph都支援分散式儲存，不過都不支援SQL語言查詢資料，Dgraph不支援事務，而Cayley支援事務，不過在開源社群，Dgraph比Cayley更加活躍，這裡優先建議使用Dgraph作為物聯網的儲存資料庫。

總體來說，在物聯網時代，一定要學會使用圖資料庫，在分析大量資料之間的關聯性時，圖資料庫就能夠派上用場，圖資料庫最大的優勢就是分析不同資料之間的關聯性。