NoSQL，是not
创新互联建站从2013年创立，先为大柴旦等服务建站，大柴旦等地企业，进行企业商务咨询服务。为大柴旦企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
only
sql，是非关系数据库，不同于oracle等关系数据库。hadoop,是分布式解决方案，即为Mapreduce（计算的）和HDFS（文件系统）,使用Hadoop和NoSQL可以构造海量数据解决方案。
主流的关系型数据库：
1. MySQL：目前使用最广泛的开源、多平台的关系型数据库，支持事务、符合ACID、支持多数SQL规范。
2. SQL Server：支持事务、符合ACID、支持多数SQL规范，属于商业软件，需要注意版权和licence授权费用。
3. Oracle：支持事务，符合关系型数据库原理，符合ACID，支持多数SQL规范，功能最强大、最复杂、市场占比最高的商业数据库。
4. Postgresql：开源、多平台、关系型数据库，功能最强大的开源数据库，需要Python环境，基于postgresql的time
scaleDB，是目前比较火的时序数据库之一。
非关系型数据库：
非关系型数据库也被称为nosql，作为关系型数据库的一个补充，能在特定场景和特点问题下发挥高效率和高性能。
常见的非关系型数据库类型有键值存储数据库和面向文档数据库。
键值存储数据库类似hash，通过key做添加、删除、查询、性能高，优势在于简单、易部署、高并发，主要产品有：
Redis：开源、Linux平台、key-value键值型nosql数据库，简单稳定，非常主流的、全数据in-momory，定位于快的键值型nosql数据库。
Memcaced：一个开源的、高性能的、具有分布式内存对象的缓存系统，通过它可以减轻数据库负载，加速动态的web应用。
面向文档数据库以文档的形式存储，每个文档是一系列数据项的集合，每个数据项有名称与对应的值，主要产品有：
MongoDB：开源、多平台、文档型nosql数据库，最像关系型数据库，定位于灵活的nosql数据库。适用于网站后台数据库、小文件系统、日志分析系统。
Redis:笔记本上虚出来的一个linux 64位，2G内存，单核模拟双核4线程，硬盘40G
MongoDB:笔记本物理机，8G，双核四线程，1T硬盘
ongoDB
MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。他支持的数据结构非常松散，是类似json的bjson格式，因此可以存储比较复杂的数据类型。Mongo最大的特点是他支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。它的特点是高性能、易部署、易使用，存储数据非常方便。
你是想做数据分析对吧？
建议啊，先学R，R能应付很多统计问题了
再去学python，python语法当然了必须先掌握，这个很简单，然后就是python有两个
跟数据分析密切相关的包，如果你想做数据分析，请把重点放在两个包上
再学sql吧，毕竟单纯的学sql没有什么意义，因为什么也做不了
sql 建议先学sql server，有了python的语法基础学sqlserver很简单，当然没有基础也能学，只是有一门语言基础学起来更容易
学完sql server 再学oracle，oracle一定要学，其他数据库根据需求来学，比如Nosql就非常好
1. EXCEL、PPT(必须精通)
数据工作者的基本姿态，话说本人技术并不是很好，但是起码会操作;要会大胆秀自己，和业务部门交流需求，展示分析结果。技术上回VBA和数据透视就到顶了。
2. 数据库类(必须学)
初级只要会RDBMS就行了，看公司用哪个，用哪个学哪个。没进公司就学MySQL吧。
NoSQL可以在之后和统计学啥的一起学。基本的NoSQL血MongoDB和Redis(缓存，严格意义上不算数据库)，然后(选学)可以了解各类NoSQL，基于图的数据库Neo4j，基于Column的数据库BigTable，基于key-value的数据库redis/cassendra，基于collection的数据库MongoDB。
3. 统计学(必须学)
如果要学统计学，重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归(特别是广义线性回归)、主成分分析。这些个用的比较多。也有学时间序列、bootstrap、非参之类的，这个看自己的意愿。
其他数学知识：线性代数常用(是很多后面的基础)，微积分不常用，动力系统、傅里叶分析看自己想进的行业了。
4. 机器学习(数据分析师要求会选、用、调)
常用的是几个线性分类器、聚类、回归、随机森林、贝叶斯;不常用的也稍微了解一下;深度学习视情况学习。
5. 大数据(选学，有公司要求的话会用即可，不要求会搭环境)
hadoop基础，包括hdfs、map-reduce、hive之类;后面接触spark和storm再说了。
6. 工具类
语言：非大数据类R、Python最多;大数据可能还会用到scala和java。
其他框架、类库(选学)：爬虫(requests、beautifulsoup、scrapy)，日志分析(常见elk)。
