存儲引擎的選型要考慮一些關鍵因子，比如數據源類型（結構化/非結構化）、數據規模（GB/TB/PB）、數據增長系數、數據加工分析的方式，這些因子必將決定存儲引擎的選型方法。

傳統關系型數據庫（RDB），是企業生產經營中最為普遍的IT存儲系統，大多存放業務系統的結構化數據集。在初期往往單節點服務器就能駕馭存儲需求，后續隨著存儲容量逐漸增加大多采用集群的方式去擴展支撐，而且RDB能夠支持數據的操作與更新，對增刪改查來說絕對是好手，完全遵循了ACID的特性，而且支持標準的SQL語法。因此RDB應用場景非常廣泛，技術也非常成熟。但即便如此，似乎RDB沒有能在今天大數據時代有所作為。首先今天有很多半結構化/非結構化數據集需要存儲并處理，傳統關系型數據庫并不支持，就更別談數據規模了。

對于傳統RDB的特點，其實Hadoop生態圈的HDFS具有較多特性差異。比如大規模文件存儲支持了海量非結構化數據，什么視頻音頻、文本日志、社交物聯網統統不是問題，而且可以根據節點數量大規模擴展，以提升系統整體的存儲容量。HDFS可以承載Hive任務作業，依托于M/R機制實現大規模數據的加載和分析。但Hive只適用于一次寫入、多次讀取的場景，對于頻繁更新和隨機訪問而言并非長項，因為些都受限于M/R機制和對標準SQL的支持。在大數據早期，HDFS+Hive長期支撐了很多客戶的系統，比如電信運營商的詳單數據存儲和預處理、互聯網公司的網絡日志采集和分析等，直至今日仍然有很多企業在持續使用，正可謂大數據的關鍵技術組件。

除了傳統SQL結構化數據外，在大數據領域還有NoSQL數據庫。當時隨著互聯網web2.0的興起，傳統的關系數據庫在應對大規模和高并發的SNS純動態網站顯得力不從心，暴露了很多難以克服的問題，而非關系型的數據庫（NoSQL）則由于其本身的特點得到了非常迅速的發展。

NoSQL數據庫的產生就是為了解決大規模數據集合多重數據種類帶來的挑戰，尤其是大數據應用難題。NoSQL數據庫主要有四大分類：鍵值（Key-Value）存儲數據庫、列存儲數據庫、文檔型數據庫和圖形數據庫，所以是典型的支持非結構化數據，這里面由于時間關系暫不展開。

上述介紹中，你會發現海量數據的大規模分析與高效低延遲訪問有較大差別，兩者各有優勢不可兼得。在現實情況中會經常發現兩套存儲引擎的交替使用，分別用于實時讀寫與海量數據分析，可以先將數據寫入HBase中，再定期通過ETL到Parquet進行數據同步。但是這樣做有很多缺點，比如第一：用戶需要在兩套系統間編寫和維護復雜的ETL邏輯；第二，時效性差，因為ETL通常是一個小時、幾個小時甚至是一天一次，那么可供分析的數據就需要一個小時至一天的時間后才進入到可用狀態；第三，更新需求難以滿足

通過上述介紹，如果你需要常規結構化數據集的存儲管理和查詢分析，那么你需要RDB存儲引擎；如果系統將承載海量非結構化數據集，那么存儲和分析就需要用到HDFS+Hive的存儲引擎；如果你需要海量非結構化數據集的低延遲隨機讀寫場景，那么你需要使用類似于Hbase這樣的存儲引擎；如果你需要支持結構化數據，而且支持行級的插入、更新、刪除，并嘗試新技術去應對海量數據分析和低延遲隨機訪問，那么Kudu也可以選擇。