1.數據庫的技術上，目前我們公司在研究hadoop分層數據庫，具體了解不多；外面流行的NoSql非關系型數據庫，像亞馬遜、谷歌還有一些日本企業都有自己的NoSql數據庫；

2.傳統關系型數據庫的優化，數據庫層的優化和上層使用的優化。

數據庫層：需要DBA進行優化，減少碎片，進行分區等；

使用層的優化，即優化SQL

從外界因素來看影響SQL有：CPU、RAM、Network、Disk

CPU：SQL的大量order by，大量group by，case when等都會很費CPU，需要CPU進行計算。是否可以使用匯總來減少此問題

RAM：查找的數據量過大，導致內存資源占用過多。

如無where的SQL，select *的SQL，全表掃描等；

頻繁的update、insert都會影響內存，每次對SQL的解析都需要一定的時間和空間。采用綁定變量。

Network：過多的DB連接，頻繁的DB開關，跨庫的關聯，大量數據的導出，復雜的SQL等。

Disk：

大數據量的表，建立索引，保證索引的有效性；

減少大表的insert和delete，會造成磁盤碎片，導致磁盤指針的不連續性；

大表的insert和delete會造成索引的失效，必要時先去掉索引再操作增刪改；

索引其實是一張表，要保證其精簡

索引的建立，最好用在易排序字段，如number，date等，勿varchar；

varchar字段盡量保持長度的一致性，寧可多給出空間；

減少磁盤的讀取次數；

對大表禁止順序性的全表掃描，使用索引；

減少disdinct，用unionall代替union；

Not like，<>，全模糊like，is null，is not null，not in都會使索引失效；

索引上不要使用任何函數，盡量在等號的另一頭使用函數；

SQL的書寫一致，減少解析時間；

選擇最佳的執行計劃，復雜的SQL，不如多個簡單的SQL；

減少嵌套子SQL，使用關聯查詢；

避免笛卡爾積連接；

避免使用*，數據庫需要對*進行一次匹配，會消耗資源，而且并不一定所有的字段都要進行查詢或者寫入，寫入時表結構變化還會導致出錯，所以避免*；

全表刪除，不要使用delete，使用truncate；

全表分頁的效率較低，建議使用分步是分頁；

3.在數據讀取優化到一定程度后，代碼上也可以進行很大的優化。

避免過多的開裝箱，使用值類型；

對引用類型的集合，多使用泛型；

避免循環嵌套，和無休止的遞歸；

避免循環中建立大對象；

對大對象的釋放；

4.邏輯上的優化

在需要查詢大量數據的時候，可以使用分頁；

分頁影響到一些圖標的產生時，可以借助匯總，先展示匯總信息和圖標，然后在進行詳情的鉆??；

時間空間的相互替換。

5.對常用信息的本地化保存，如QQ第一次加載很慢，但后面登陸會很快。