面向对象的数据库有哪些
1、面向对象数据库是一种数据库模式，oracle、postgresql都具有这功能。优点如下：易维护 采用面向对象思想设计的结构，可读性高，由于继承的存在，即使改变需求，那么维护也只是在局部模块，所以维护起来是非常方便和较低成本的。
2、数据库对象是数据库的组成部分，常见的有以下几种：1 表（Table ）数据库中的表与我们日常生活中使用的表格类似，它也是由行（Row） 和列（Column）组成的。
3、特别是在Oracle 8i中，支持面向对象的功能，如支持类、方法、属性等，使得Oracle 产品成为一种对象/关系型数据库管理系统。目前最新版本是Oracle 11g。
4、网状数据库(Network Database)、关系数据库(Relational Database)、树状数据库(Hierarchical Database)、面向对象数据库(Object-oriented Database)等。
5、NoSQL数据库对于大型分布式数据集非常有用。NoSQL数据库对于关系数据库无法解决的大数据性能问题非常有效。当组织必须分析大量非结构化数据或存储在云中多个虚拟服务器上的数据时，它们是最有效的。
6、数据库是一组信息的集合，以便可以方便地访问、管理和更新，常用数据库有：关系型数据库；分布式数据库；云数据库；NoSQL数据库；面向对象的数据库；图形数据库。
关于oracle迁移到mongodb实现
迁移的话，直接导出一个库的dmp文件，之后导入到另外一个库里面就可以了（导出和导入数据库版本必须一直，否则导入可能会报错）。
数据泵（Data Pump）：数据泵是 Oracle 官方提供的一个数据迁移工具，它可以将数据库对象以二进制格式导出并导入到另一个数据库中。使用数据泵可以快速高效地将大量数据迁移至另一个数据库。
MongoDB能够使用BSON，并将BSON作为数据的存储存放在磁盘中。当Client端要将写入文档，使用查询等等操作时，需要将文档编码为BSON格式，然后再发送给Server端。同样，Server端的返回结果也是编码为BSON格式再放回给Client端的。
等大量特性。使用关系型数据时有很多东西工作的很好，比如索引，动态查询和动态更新等，这些在MongoDB中也没怎么变化。比如，在MongoDB里设计索引应该和你在MySQL或Oracle里一样，你有选择 在一个内嵌的域上建索引的能力。
Storage存储迁移：这种情况下，数据文件、控制文件、日志文件、spfile都在存储上(一般情况下是裸设备)，我们可以直接把存储挂到新机器上，然后在新机器上启动数据库。
数据库的类型都有哪些?
数据库共有3种类型，为关系数据库、非关系型数据库和键值数据库。关系数据库、非关系型数据库。关系数据库特点：数据集中控制；减少数据冗余等。
数据库共有3种类型，为关系数据库、非关系型数据库和键值数据库。
层次式数据库：是将数据组织成有向有序的树结构，并用“一对多”的关系联结不同层次的数据库。
MongoDB挑战传统数据库:非结构化数据库的迭新不容小觑
数据模型自由：MongoDB 允许用户创建自由的数据模型，无需遵循传统的关系型数据库中的严格模式。这使得 MongoDB 非常适合存储非结构化或半结构化数据。
MongoDB通常被归类为面向文档的数据库，而不是传统的关系型数据库。与关系型数据库不同，MongoDB使用的是类似JSON格式的文档来表示数据，这些文档可以包含任意数量和类型的字段，并且每个文档都可以具有自己的结构。
MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。他支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
mogodb是非关系型（NoSQL）数据库，它文档型数据库。我用过mongodb做了个小项目练习，我简单说说（因为我也了解不深）它与传统数据库的区别吧：最基本的区别就是数据模型的区别：传统数据库 从大到小为数据库，表，行。
Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。
数据库的概念，但不用担心，当你第一次新增数据时，mongodb就会以collection集合的形式进行保存和新建，而不需要你手工去新建立。
2019数据架构选型必读:1月数据库产品技术解析
1、18年10月31日，Gartner陆续发布了2018年的数据库系列报告，包括《数据库魔力象限》、《数据库核心能力》以及《数据库推荐报告》。 今年的总上榜数据库产品达到了5家，分别来自：阿里云，华为，巨杉数据库，腾讯云，星环 科技 。
2、大数据技术的2个维度是我觉得章剑锋最深刻的大数据概念解析，垂直的技术栈维度和水平的数据流维度，也就是垂直的平台+应用，水平的数据处理。
3、数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。
4、其中数据分析工具主要针对 OLAP 服务器，报表工具、数据挖掘工具主要针对数据仓库。
5、大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、NoSQL数据库、数据仓库、机器学习、并行计算、可视化等各种技术范畴和不同的技术层面。
6、数据中台的数据架构应该独立规划，并采用合理的技术架构对不同类型的数据进行存储。数据存储框架中，无论数据采用对象存储、块存储还是数据库存储技术，各种中台数据可按照上图所示分类管理。
关于mongodboracle性能和mongodb 写性能的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。