我们一直在讨论我们小组内的数据仓库策略设计，以满足测试、可再现性和数据同步要求。建议的想法之一是使用 existing tool 来适应 NoSQL 方法。而不是尝试在文件系统上重新实现很多相同的东西。我不知道 NoSQL 方法是否是我们正在努力实现的最佳方法，但如果我描述了我们需要/想要的东西，也许你们都可以提供帮助。
- 我们的大多数文件都很大，大小超过 50 G，以专有的第三方格式保存。我们需要能够通过名称/日期/来源/时间/工件组合访问每个文件。本质上是键值对样式的查找。
- 当我们查询一个文件时，我们不想把它全部加载到内存中。它们真的太大了，会淹没我们的服务器。我们希望能够以某种方式获得对该文件的引用，然后使用专有的第三方 API 来提取其中的部分内容。
- 我们希望轻松地从存储中添加、删除和导出文件。
- 我们想在两台服务器之间设置自动文件复制(我们可以为此编写一个脚本。)也就是说，将一台服务器的内容与另一台服务器同步。我们不需要一个分布式系统，它看起来就像我们只有一台服务器。我们想要完整的复制。
- 我们还有其他与大文件有树型关系的小文件。一个文件的内容将指向下一个，依此类推。它不是“辐条轮”，而是一棵成熟的树。
我们更喜欢使用 Python、C 或 C++ API 来使用这样的系统，但我们大多数人都精通多种语言。我们不介意，只要它有效、完成工作并节省我们的时间即可。你认为呢？有这样的东西吗？
最佳答案
您看过 MongoDB 的 GridFS 吗？ http://www.mongodb.org/display/DOCS/GridFS+Specification
您可以通过默认元数据以及您自己的附加元数据来查询文件。文件被分成小块，您可以指定您想要的部分。此外，文件存储在一个集合中(类似于 RDBMS 表)，您可以启动 Mongo 的复制功能。
关于database - 用于文件系统存储组织和复制的 NoSQL？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2776208/