数据量大导致索引失效应该怎么办？
优化查询，尽量避免全表扫描，避免索引失效。
判断wh
物联网时代的数据库如何选型？
在物联网时代，大量的数据产生于不同的设备传感器，因此单个数据库系统可以我不能存储这么大量的数据。在选择数据库时，我们一定要选择具有分布式存储能力的数据库。
在物联网时代，数据之间还有一个很重要的特征，就是数据之间的关联性。互连的互联网设备传感器产生不同的数据。由于不同的传感器相互连接，共同工作，收集数据，如何在数据库中存储大量相互关联的数据？这里我推荐使用图形数据库进行存储。
与其他数据库相比，图数据库最大的优点是查询数据之间的相关性会更快，耗时更少。例如，在社交网络中，我们想要找出在用户A的粉丝中，粉丝关注用户b。如果使用传统的关系数据库来存储用户顾虑，在上面的数据统计中，计算结果需要两层Join，但是关系数据库的Join操作会很慢。如果你使用一个图形数据库来存储数据，图中的点是用户，边是用户担忧。当你查询A的粉丝，粉丝也关注B的用户时，只需要遍历两级关注就能快速得到结果。
图形数据库也属于NoSql数据库的一种。常用的图形数据库有JanusGraph、Secondary、Cayley和dgraph。不同的图形数据库有不同的底层实现。
JanusGraph是一个分布式图形数据库，用Java语言开发。Hadoop生态存储系统可以作为数据源构建大数据图。是TiTangraph数据库的开源版本，支持事务性ACID。
Secondary是单机图形数据库，优点是可以快速安装使用，很容易出新。学生入门。如果你的数据量普遍较小，我推荐使用Secondary。可以直接使用二次相关的API来构建数据模型图，然后使用二次Cypher查询语言来分析数据。Cypher是一种类似SQL的语言。
Cayley和Dgraph都是用Go语言实现的图形数据库，Go语言最大的特点就是编译速度快，开发方便。Cayley和Dgraph都支持分布式存储，但都不支持SQL语言查询数据，Dgraph不支持事务，Cayley支持事务。但在开源社区中，Dgraph比Cayley更活跃，建议先用Dgraph作为物联网的存储数据库。
总的来说，在物联网时代，一定要学会使用图数据库，在分析大量数据之间的相关性时，图数据库可以派上用场。图形数据库最大的优势是分析不同数据之间的相关性。
我m湖，专注于大数据技术、互联网技术洞察和程序员个人经验分享。如果我的问答对你有帮助，希望你能喜欢转发或者关注我，也就是我继续分享我关于大数据的知识。谢谢您们。