我需要对Oracle 11g，MySQL和Hadoop进行基准测试，以获得10 ^ 6到10 ^ 9条记录（MySQL中的行）。将有大量数据挖掘查询全天候进行实时数据处理。我想知道哪个数据库会更好，特别是在一些真实的统计数据方面。未来几个月数据肯定会超出这个范围。
是否有针对此的开源基准测试工具？或者任何人都有一些有用的数据？
提前致谢。
修改： -
Hadoop不是数据库。它是一个分布式文件系统。让我更详细地解释一下我的要求。这就是我现在所拥有的，我将所有数据都存储在mysql中，我计划将其导出到hadoop并运行我的数据挖掘算法。算法结束后，最终结果将被发送到mysql以更新当前数据。我现在不能真正详细说明。现在算法将是广泛的，而不是完全实时的，但我将运行一个cron作业，每小时或大约2小时左右将数据导出到hadoop。我们将分析当前数据，如果还需要更新，则还要更新旧数据。
算法将主要基于神经网络。
我所关注的是： - 我应该在MySQL中运行我的数据挖掘查询，还是按照上面的解释执行操作，或者通过将数据导出到Oracle db来执行此操作？
答案 0 :(得分：1)
TPC-H基准测试将是一个良好的开端：http://www.tpc.org/tpch/default.asp。但是比较Oracle和Hadoop几乎是比较苹果和橙子。我认为，对于关系数据库基准测试，Oracle会击败Hadoop集群，而如果您的查询可以表示为Map / Reduce作业，Hadoop将在性能/ $基础上和可扩展性上击败Oracle。
答案 1 :(得分：1)
我有两件事要说：
Hadoop is "not" a DB.
Comparing un-comparable things is useless, IMHO.
您不能将Hadoop用作RDBMS的替代品。它不是为实时的东西开发的。 Hadoop最适合离线批处理有点要求。正如@Olaf所说，你试图将苹果与橙子进行比较。但是你为什么需要这个？我的意思是通过查看你的用例我觉得Haddop不会对你有用。
回复您的修改：
最好的办法是在MySQL本身上运行查询。理由：
1-导入/导出时间。
2-在MR程序方面，实现理想的算法并不总是那么容易。
3个1小时的数据量不足以被认定为BigData，恕我直言。（我假设您打算只处理最新数据，而不是整个数据集）。