Question

在大数据时代，关系型数据库有哪些缺点

Answer 1

大数据的发展存在一个节点，及互联网同步现实世界信息的占比，是否达到较为全面反映现实世界的运行规律。越过这个比率，研究大数据就会有价值，反之，研究大数据只会得到失真的结论。所以大数据存在虚拟化的最小值。
1）信号噪声增大
当审视数据当中的某个表象的时候，常常需要考虑这种表象是否是偶然产生的。如果这种表象看起来不太可能是随机产生的时候，就称“统计上显著的”。如果做足够多不同的相关性测试，偶然产生的结果就会淹没真实的发现。有很多办法可以解决上述的问题，然而在大数据中这种问题会更加严重。和一个小规模的数据集合相比，大数据的情况下有太多可以用作比较的标准。如果不做仔细的分析，那么真实的表象与虚假表象之比——相当于信号噪声比——很快就会趋近于0。
2）数据型“干草垛”
纳西姆.塔勒布（Nassim Taleb）提出：随着我们掌握的数据越来越多，可以发现的统计上显著的相关关系也就越来越多。在这个庞大的“干草垛”里，我们要找的那根针被越埋越深。大数据时代的特征之一就是，“重大”发现的数量被数据扩张带来的噪音所淹没。
3）直觉的价值
如果每个人都求助于数据，都利用大数据工具的话，那么不可预测性——例如人类的本能、冒险、意外甚至失误——也许将会成为差异的关键。如果真是这样的话，那么需要专门为人为因素辟出一席之地——即为直觉、常识、运气留出空间，以确保它们不会被数据和机器生成的答案挤走。
4）数据不懂社交
大脑在数学方面很差劲（请迅速心算一下437的平方根是多少），但是大脑懂得社会认知。人们擅长反射彼此的情绪状态，擅长侦测出不合作的行为，擅长用情绪为事物赋予价值。在社交关系的决策中，情感大于数据。
5）数据不懂背景
人们擅长讲述交织了多重原因和多重背景的故事。数据分析则不懂得如何叙事，也不懂得思维的浮现过程。即便是一部普通通的小说，数据分析也无法解释其中的思路。
6）数据偏爱潮流
当大量个体对某种流行产品迅速产生兴趣时，数据分析可以敏锐地侦测到这种趋势。一些重要的（也是有收益的）产品在一开始就被数据摈弃了，仅仅因为它们的特异之处不为人所熟知。
7）褒贬分析的局限
褒贬分析只提供舆情的一个概览，它本身并不是 actionable insights。褒贬舆情太过抽象，不能提供有价值的情报。
8）理解为主，解释为辅
大数据是一种资源和一种工具。它的目的是告知，而不是解释。意在促进理解，但仍然会导致误解——关键在于人们对它的掌握程度。人们必须以一种不仅欣赏其力量，而且承认其局限的态度来接纳这种技术。
9）宜预测，不宜总结
大数据分析不宜做回顾，更适合做预测。
10）小决策和大决策
对于大批量的小决策，相关性是有用的，如亚马逊的个性化推荐。而对于小批量的大决策，因果性依然重要。大数据不是决策的唯一依据，只是依据之一。正确的决策必须综合各种信息来源

Answer 2

关系型数据库的主要特征
1）数据集中控制，在文件管理方法中，文件是分散的，每个用户或每种处理都有各自的文件，这些文件之间一般是没有联系的，因此，不能按照统一的方法来控制、维护和管理。而数据库则很好地克服了这一缺点，可以集中控制、维护和管理有关数据。
2）数据独立，数据库中的数据独立于应用程序，包括数据的物理独立性和逻辑独立性，给数据库的使用、调整、优化和进一步扩充提供了方便，提高了数据库应用系统的稳定性。
3）数据共享，数据库中的数据可以供多个用户使用，每个用户只与库中的一部分数据发生联系；用户数据可以重叠，用户可以同时存取数据而互不影响，大大提高了数据库的使用效率。
4）减少数据冗余，数据库中的数据不是面向应用，而是面向系统。数据统一定义、组织和存储，集中管理，避免了不必要的数据冗余，也提高了数据的一致性。
5）数据结构化，整个数据库按一定的结构形式构成，数据在记录内部和记录类型之间相互关联，用户可通过不同的路径存取数据。
6）统一的数据保护功能，在多用户共享数据资源的情况下，对用户使用数据有严格的检查，对数据库规定密码或存取权限，拒绝非法用户进入数据库，以确保数据的安全性、一致性和并发控制。