由于大数据数据库众多，数据库的架构与原理容易混淆，现在列出一些常用数据库的架构（HBase,MongDB,ES,tidb,influxdb,doris），方便大家查阅(参考网上牛人文章，最后附参考文章列表)。

一、HBase数据库

适合场景：

1、大：一个表可以有上十亿行，上百万列；
2、面向列：面向列(族)的存储和权限控制，列(族)独立检索；
3、稀疏:对于为空(null)的列，并不占用存储空间，因此，表可以设计的非常稀疏。

整体架构：

二、MongDB数据库

适合场景：

MongoDB是一个面向文档的数据库，它以BSON（Binary JSON）格式存储数据。与关系型数据库不同，MongoDB没有固定的表结构，允许存储不同结构和类型的数据。这使得MongoDB非常适合处理半结构化和非结构化数据，如日志、社交媒体数据等。

整体架构

三、Elasticsearch

适合场景：

ES是一个开源的分布式搜索和分析引擎，它被设计用于快速、实时地搜索和分析大规模数据。

整体架构：

四 TiDB

适合场景：

TiDB 是一款开源 分布式关系型数据库，同时支持 在线事务处理（OLTP） 与 在线分析处理（OLAP） 的混合型分布式数据库，具备水平扩容或缩容、金融级高可用、实时 HTAP、Kubernetes 云原生的分布式数据库、兼容 MySQL 5.7 协议和 MySQL 生态等重要特性，支持在本地和云上部署。

整体架构：

五 InfluxDB

适合场景：

InfluxDB 是一种时序数据库，时序数据库通常被用在监控场景，比如运维和 IOT（物联网）领域。这类数据库旨在存储时序数据并实时处理它们。

整体架构：

数据的时间序列特点：

六 Doris

适合场景：

Doris 是一个基于 MPP 架构的高性能、实时的分析型数据库，以极速易用的特点被人们所熟知，仅需亚秒级响应时间 即可返回海量数据 下的查询结果，不仅可以支持高并发 的点查询场景，也能支持高吞吐的复杂分析场景。

整体架构：

七、参考文章列表

本文主要是觉得这些文章中的部分内容比较有参考价值进行了摘抄，详细内容参照https://www.jianshu.com/p/cf316eb80137
https://blog.csdn.net/qq_26664043/article/details/136086994
https://zhuanlan.zhihu.com/p/646478100
https://zhuanlan.zhihu.com/p/700291788
https://blog.csdn.net/qq_44766883/article/details/131511821
https://blog.csdn.net/G_D0120/article/details/139418187
https://blog.csdn.net/xiaoweite1/article/details/133419458