最节约空间的数据存储方式

Ⅰ 大数据时代：如何节省存储成本

现今的科技发展日新月异。尤其是存储方面，表现的极其突出。从技术、用户和应用方面来看，其发展速度超越了其他IT领域。同时也带来了相应的问题。数据中心和企业的管理者们都面临着如何选择存储阵列的困惑。通常的解决方案早已被大肆宣传开来，例如像闪存存储或诸如WAN优化等这些被炒作已久的技术似乎已在人们脑海中变得根深蒂固。下面的七个存储解决方案的建议不是基于任何技术的“新生事物”，而只是更具实用性并让企业的花费更具价值。这七个建议应使管理者考虑从新制定他们在2012年的存储预算。根据现有的存储基础设施、资源、数据的特点和所需的访问重新审视市场上存储的关键点，当今正是非常恰当的时机。而存储的关键就在于在提高存储性能的同时减少或至少维持经营成本和资本的支出。1.精简配置在3Par被惠普收购之前。自动精简配置技术在配置存储容量方面起着极其重要的作用。在SAN的初期，企业实际花费更大的力气来保证预期的数据增长。精简资源调配可帮助企业有能力提供他们所需要的，同时保证增加需要的容量而无需创建新的LUNs（logical unit numbers）。2.面向对象存储和REST（Representational State Transfer）最初，这项技术似乎对云计算有更大的影响。现在越来越多的企业认为数据更适合存储在公共云之上。同时HTTP将有可能成为一种传输的手段，利用REST方法来移动和存储数据，并提供丰富的元数据和相关的数据说明。当你看到这种跨广域网案例在数据中心扎根时请不要惊讶。3.广域网优化企业可通过广域网优化产品来提升网络的效率，如广域数据服务商Riverbed。这样做可有效减少通过广域网发送、删除重复数据和压缩数据的通信量。并可显着节省存储空间、降低延迟、降低企业广域网带宽相关费用等好处。通过广域网的优化企业可在世界各地查看和创建数据，就像在局域网内部一样。4.分层存储随着企业需求的成本平衡以及性能需求，将需要存储的数据放在最好的媒介上以匹配数据的价值和性能是非常必要的。对于一些不需要频繁访问的数据不一定存储在SSD或更高性能的磁盘驱动器上。现今供应商提供的存储产品具备根据访问模式自动布局数据的功能。企业应该了解数据存放在介质上形式以及数据模型的增长，以便在作出购买决定之前更好的了解扩展容量和性能的成本。5.向外扩展的NAS传统规模的NAS模型在中小型企业中所占的市场份额越来越小。它正被向外扩展的方式所替代。并开始逐步添加企业在集群方式下提高容量和性能的能力。同时构建一个全局命名空间，并在其中工作。这样可有效简化存储配置，还可大幅降低总成本。6.性能层的设备设备较少的关注基于NAS管理容量的能力。设备更多的关注存储的数据如何以最高的效率移动数据。NAS的优化是使IOPS返回到NAS之中，设备可以不承担所有繁重计算，这些任务全都由NAS负责。其带来的结果是提高性能并减少资本和运营开支。7.FCoEFCoE（以太网光纤通道）可帮助企业在以太网基础设备中扩展光纤通道。这可有效节省基础设施的开销。包括电缆和电源管理方面。而现今大多数人还不太了解FCoE。而且也没有iSCSI和FCoE竞争的消息。但是这并不意味着FCoE不会成为未来的重要技术。基于文件的存储的增长率已超过了数据块的存储。所以光纤通道和FCoE将会存在下去。做出新的选择并不会为你的当前的基础结构或数据中心带来风险。

Ⅱ 海量空间数据存储

(一)空间数据存储技术

随着地理信息系统的发展，空间数据库技术也得到了很大的发展，并出现了很多新的空间数据库技术(黄钊等，2003)，其中应用最广的就是用关系数据库管理系统(RDBMS)来管理空间数据。

用关系数据库管理系统来管理空间数据，主要解决存储在关系数据库中的空间数据与应用程序之间的数据接口问题，即空间数据库引擎(SpatialDatabase Engine)(熊丽华等，2004)。更确切地说，空间数据库技术是解决空间数据对象中几何属性在关系数据库中的存取问题，其主要任务是:

(1)用关系数据库存储管理空间数据;

(2)从数据库中读取空间数据，并转换为GIS应用程序能够接收和使用的格式;

(3)将GIS应用程序中的空间数据导入数据库，交给关系数据库管理。

空间数据库中数据存储主要有三种模式:拓扑关系数据存储模式、Oracle Spatial模式和ArcSDE模式。拓扑关系数据存储模式将空间数据存在文件中，而将属性数据存在数据库系统中，二者以一个关键字相连。这样分离存储的方式由于存在数据的管理和维护困难、数据访问速度慢、多用户数据并发共享冲突等问题而不适用于大型空间数据库的建设。而OracleSpatial实际上只是在原来的数据库模型上进行了空间数据模型的扩展，实现的是“点、线、面”等简单要素的存储和检索，所以它并不能存储数据之间复杂的拓扑关系，也不能建立一个空间几何网络。ArcSDE解决了这些问题，并利用空间索引机制来提高查询速度，利用长事务和版本机制来实现多用户同时操纵同一类型数据，利用特殊的表结构来实现空间数据和属性数据的无缝集成等(熊丽华等，2004)。

ArcSDE是ESRI公司开发的一个中间件产品，所谓中间件是一个软件，它允许应用元素通过网络连接进行互操作，屏蔽其下的通讯协议、系统结构、操作系统、数据库和其他应用服务。中间件位于客户机/服务器的操作系统之上，管理计算资源和网络通讯，并营造出一个相对稳定的高层应用环境，使开发人员可以集中精力于系统的上层开发，而不用过多考虑系统分布式环境下的移植性和通讯能力。因此，中间件能无缝地连入应用开发环境中，应用程序可以很容易地定位和共享中间件提供的应用逻辑和数据，易于系统集成。在分布式的网络环境下，客户端的应用程序如果要访问网络上某个服务器的信息，而服务器可能运行在不同于客户端的操作系统和数据库系统中。此时，客户机的应用程序中负责寻找数据的部分只需要访问一个数据访问中间件，由该中间件完成网络中数据或服务的查找，然后将查找的信息返回给客户端(万定生等，2003)。因此，本系统实现空间数据库存储的基本思想就是利用ArcSDE实现各类空间数据的存储。

目前，空间数据存储技术已比较成熟，出现了许多类似ArcSDE功能的中间件产品，这些软件基本上都能实现空间数据的数据库存储与管理，但对于海量空间数据的存储，各种软件性能差别较大。随着数据量的增长，计算机在分析处理上会产生很多问题，比如数据不可能一次完全被读入计算机的内存中进行处理。单纯依赖于硬件技术，并不能满足持续增长的数据的处理要求。因此需要在软件上找到处理海量数据的策略，并最终通过软硬件的结合完成对海量数据的处理。在海量数据存储问题上，许多专家从不同侧面进行过研究，Lindstrom在地形简化中使用了外存模型(Out-of-core)技术;钟正采用了基于数据分块、动态调用的策略;汪国平等人在研究使用高速网络进行三维海量地形数据的实时交互浏览中，采用了分块、多分辨率模板建立模型等方法。这些技术、方法已经在各自系统上进行了研究和实现。本系统采用的ArcSDE软件基本上也是采用分块模型的方法，具体存储和操作不需要用户过多了解，已经由ArcSDE软件实现。因此，对海量数据的存储管理，更需要从数据的组织方式等方面进行设计。塔里木河流域生态环境动态监测系统采集了大量的遥感影像、正射影像等栅格结构的数据，这些数据具有很大的数据量，为适应流域空间基础设施的管理需要，采取一种新的方式来管理、分发这些海量数据以适应各部门的快速浏览和管理需要。

(二)影像金字塔结构

影像数据库的组织是影像数据库效率的关键，为了获得高效率的存取速度，在数据的组织上使用了金字塔数据结构和网格分块数据结构。该技术主导思想如下:

(1)将数据库中使用到的纹理处理成为大小一致的纹理块;

(2)为每块纹理生成5个细节等级的纹理，分别为0、1、2、3、4，其中1级纹理通过0级纹理1/4压缩得到，2级纹理通过1级纹理1/4压缩得到，…，以此类推;

(3)在显示每个块数据之前，根据显示比例的大小，并以此决定该使用那一级的纹理;

(4)在内存中建立纹理缓冲池，使用LRU算法进行纹理块的调度，确保使用频率高的纹理调度次数尽可能少。

(三)影像数据压缩

影像数据压缩有无损压缩和有损压缩两个方法，具体采取哪种压缩方法需根据具体情况确定。对于像元值很重要的数据，如分类数据、分析数据等采用无损压缩(即LZ77算法)，否则采用有损压缩(即JPEG算法)。通过对影像数据的压缩，一方面可以节约存储空间，另一方面可以加快影像的读取和显示速度。影像数据的压缩一般与构建金字塔同时进行，在构建影像金字塔过程中自动完成数据的压缩。

Ⅲ 如何节省存储空间

1、首先，打开【设置】，进入设置界面，找到最上方的【Apple ID、icloud】选项，如图所示，然后在下一个界面选择【iCloud】。

Ⅳ 数据的储存结构主要有哪两种有什么主要区别

数据的储存结构主要有：顺序存储结构和链式存储结构。

主要区别

一、存储单元的连续性不同

链式存储结在构计算机中用一组任意的存储单元存储线性表的数据元素(这组存储单元可以是连续的,也可以是不连续的)。

顺序存储结构在计算机中用一组地址连续的存储单元依次存储线性表的各个数据元素。

二、优缺点不同

空间上

顺序比链式节约空间。是因为链式结构每一个节点都有一个指针存储域。

存储操作上：

顺序支持随机存取，方便操作

插入和删除上：

链式的要比顺序的方便（因为插入的话顺序表也很方便，问题是顺序表的插入要执行更大的空间复杂度，包括一个从表头索引以及索引后的元素后移，而链表是索引后，插入就完成了）

三、适用方向不同
链式存储适用于在较频繁地插入、删除、更新元素时，而顺序存储结构适用于频繁查询时使用。

Ⅳ 数据的存储方法有哪些

什么是分布式存储

分布式存储是一种数据存储技术，它通过网络使用企业中每台机器上的磁盘空间，这些分散的存储资源构成了虚拟存储设备，数据分布存储在企业的各个角落。

分布式存储系统，可在多个独立设备上分发数据。传统的网络存储系统使用集中存储服务器来存储所有数据。存储服务器成为系统性能的瓶颈，也是可靠性和安全性的焦点，无法满足大规模存储应用的需求。分布式网络存储系统采用可扩展的系统结构，使用多个存储服务器共享存储负载，利用位置服务器定位存储信息，不仅提高了系统的可靠性，可用性和访问效率，而且易于扩展。

分布式存储的优势

可扩展：分布式存储系统可以扩展到数百甚至数千个这样的集群大小，并且系统的整体性能可以线性增长。

低成本：分布式存储系统的自动容错和自动负载平衡允许在低成本服务器上构建分布式存储系统。此外，线性可扩展性还能够增加和降低服务器的成本，并实现分布式存储系统的自动操作和维护。

高性能：无论是针对单个服务器还是针对分布式存储群集，分布式存储系统都需要高性能。

易用性：分布式存储系统需要提供方便易用的界面。此外，他们还需要拥有完整的监控和操作工具，并且可以轻松地与其他系统集成。

杉岩分布式统一存储USP

利用分布式技术将标准x86服务器的HDD、SSD等存储介质抽象成资源池，对上层应用提供标准的块、文件、对象访问接口，

同时提供清晰直观的统一管理界面，减少部署和运维成本，满足高性能、高可靠、高可扩展性的大规模存储资源池的建设需求。

Ⅵ 数据存储形式有哪几种

【块存储】

典型设备：磁盘阵列，硬盘

块存储主要是将裸磁盘空间整个映射给主机使用的，就是说例如磁盘阵列里面有5块硬盘（为方便说明，假设每个硬盘1G），然后可以通过划逻辑盘、做Raid、或者LVM（逻辑卷）等种种方式逻辑划分出N个逻辑的硬盘。（假设划分完的逻辑盘也是5个，每个也是1G，但是这5个1G的逻辑盘已经于原来的5个物理硬盘意义完全不同了。例如第一个逻辑硬盘A里面，可能第一个200M是来自物理硬盘1，第二个200M是来自物理硬盘2，所以逻辑硬盘A是由多个物理硬盘逻辑虚构出来的硬盘。）

接着块存储会采用映射的方式将这几个逻辑盘映射给主机，主机上面的操作系统会识别到有5块硬盘，但是操作系统是区分不出到底是逻辑还是物理的，它一概就认为只是5块裸的物理硬盘而已，跟直接拿一块物理硬盘挂载到操作系统没有区别的，至少操作系统感知上没有区别。

此种方式下，操作系统还需要对挂载的裸硬盘进行分区、格式化后，才能使用，与平常主机内置硬盘的方式完全无异。

优点：

1、 这种方式的好处当然是因为通过了Raid与LVM等手段，对数据提供了保护。

2、 另外也可以将多块廉价的硬盘组合起来，成为一个大容量的逻辑盘对外提供服务，提高了容量。

3、 写入数据的时候，由于是多块磁盘组合出来的逻辑盘，所以几块磁盘可以并行写入的，提升了读写效率。

4、 很多时候块存储采用SAN架构组网，传输速率以及封装协议的原因，使得传输速度与读写速率得到提升。

缺点：

1、采用SAN架构组网时，需要额外为主机购买光纤通道卡，还要买光纤交换机，造价成本高。

2、主机之间的数据无法共享，在服务器不做集群的情况下，块存储裸盘映射给主机，再格式化使用后，对于主机来说相当于本地盘，那么主机A的本地盘根本不能给主机B去使用，无法共享数据。

3、不利于不同操作系统主机间的数据共享：另外一个原因是因为操作系统使用不同的文件系统，格式化完之后，不同文件系统间的数据是共享不了的。例如一台装了WIN7/XP，文件系统是FAT32/NTFS，而Linux是EXT4，EXT4是无法识别NTFS的文件系统的。就像一只NTFS格式的U盘，插进Linux的笔记本，根本无法识别出来。所以不利于文件共享。

【文件存储】

典型设备：FTP、NFS服务器

为了克服上述文件无法共享的问题，所以有了文件存储。

文件存储也有软硬一体化的设备，但是其实普通拿一台服务器/笔记本，只要装上合适的操作系统与软件，就可以架设FTP与NFS服务了，架上该类服务之后的服务器，就是文件存储的一种了。

主机A可以直接对文件存储进行文件的上传下载，与块存储不同，主机A是不需要再对文件存储进行格式化的，因为文件管理功能已经由文件存储自己搞定了。

优点：

1、造价交低：随便一台机器就可以了，另外普通以太网就可以，根本不需要专用的SAN网络，所以造价低。

2、方便文件共享：例如主机A（WIN7，NTFS文件系统），主机B（Linux，EXT4文件系统），想互拷一部电影，本来不行。加了个主机C（NFS服务器），然后可以先A拷到C，再C拷到B就OK了。（例子比较肤浅，请见谅……）

缺点：

读写速率低，传输速率慢：以太网，上传下载速度较慢，另外所有读写都要1台服务器里面的硬盘来承担，相比起磁盘阵列动不动就几十上百块硬盘同时读写，速率慢了许多。

【对象存储】

典型设备：内置大容量硬盘的分布式服务器

对象存储最常用的方案，就是多台服务器内置大容量硬盘，再装上对象存储软件，然后再额外搞几台服务作为管理节点，安装上对象存储管理软件。管理节点可以管理其他服务器对外提供读写访问功能。

之所以出现了对象存储这种东西，是为了克服块存储与文件存储各自的缺点，发扬它俩各自的优点。简单来说块存储读写快，不利于共享，文件存储读写慢，利于共享。能否弄一个读写快，利 于共享的出来呢。于是就有了对象存储。

首先，一个文件包含了了属性（术语叫metadata，元数据，例如该文件的大小、修改时间、存储路径等）以及内容（以下简称数据）。

以往像FAT32这种文件系统，是直接将一份文件的数据与metadata一起存储的，存储过程先将文件按照文件系统的最小块大小来打散（如4M的文件，假设文件系统要求一个块4K，那么就将文件打散成为1000个小块），再写进硬盘里面，过程中没有区分数据/metadata的。而每个块最后会告知你下一个要读取的块的地址，然后一直这样顺序地按图索骥，最后完成整份文件的所有块的读取。

这种情况下读写速率很慢，因为就算你有100个机械手臂在读写，但是由于你只有读取到第一个块，才能知道下一个块在哪里，其实相当于只能有1个机械手臂在实际工作。

而对象存储则将元数据独立了出来，控制节点叫元数据服务器（服务器+对象存储管理软件），里面主要负责存储对象的属性（主要是对象的数据被打散存放到了那几台分布式服务器中的信息），而其他负责存储数据的分布式服务器叫做OSD，主要负责存储文件的数据部分。当用户访问对象，会先访问元数据服务器，元数据服务器只负责反馈对象存储在哪些OSD，假设反馈文件A存储在B、C、D三台OSD，那么用户就会再次直接访问3台OSD服务器去读取数据。

这时候由于是3台OSD同时对外传输数据，所以传输的速度就加快了。当OSD服务器数量越多，这种读写速度的提升就越大，通过此种方式，实现了读写快的目的。

另一方面，对象存储软件是有专门的文件系统的，所以OSD对外又相当于文件服务器，那么就不存在文件共享方面的困难了，也解决了文件共享方面的问题。

所以对象存储的出现，很好地结合了块存储与文件存储的优点。

最后为什么对象存储兼具块存储与文件存储的好处，还要使用块存储或文件存储呢？

1、有一类应用是需要存储直接裸盘映射的，例如数据库。因为数据库需要存储裸盘映射给自己后，再根据自己的数据库文件系统来对裸盘进行格式化的，所以是不能够采用其他已经被格式化为某种文件系统的存储的。此类应用更适合使用块存储。

2、对象存储的成本比起普通的文件存储还是较高，需要购买专门的对象存储软件以及大容量硬盘。如果对数据量要求不是海量，只是为了做文件共享的时候，直接用文件存储的形式好了，性价比高。

Ⅶ 用双硬盘组RAID,哪种方式最节约空间数据最安全

您好：

用双硬盘的话很难做到安全和节约空间都兼顾，两块盘只能做RAID0或1
RAID0虽然读写速度快，但是一块盘坏了就全毁，
RAID1对数据有备份，但是两块盘只有一块盘的容量。

如果条件允许，建议您加3块盘做RAID5，由两块盘的容量，但是坏了一块盘数据还是可以恢复的。
如果没办法用3块盘，想组RAID0的话，建议您把数据定期做备份，
如果一块硬盘容量够用的话还是RAID1安全性高。

希望我的回答对您有帮助~

Ⅷ 什么是最佳的存储方案

企业管理者们在编制年预算的过程中都在考虑什么是最佳存储方案?下面说一下我认为的最佳存储建议不是基于任何的“新技术”,而是充分考虑了其实用性和价值,提供借鉴和参考。最佳存储解决方案1:自动精简配置(Thin Provisioning)技术自3Par公司被惠普收购之前,自动精简配置技术在配置存储容量方面一直发挥着极其重要的作用。我记得在存储区域网络(SAN)的初期,就有这种假 设:随着数据增长,有的企业的实际使用的存储能力要超过预期的存储能力配置。利用自动精简配置,可以提供给企业所需要的,同时增加容量需求,而不用担心超 出的新的LUN(逻辑单元号)。我从3Par内部了解到,该公司的技术来源于公司内部的技术专家为了响应挑战和区分,这在当时并未意识到其将成就如此强大 的3Par.最佳存储解决方案2:面向对象的存储和REST(Representational State Transfer表述性状态转移)最初,从云计算的角度来说,这一技术将带来巨大的影响力。越来越多的企业习惯于将他们的数据存储在公共云服务。HTTP协议将有可能作为一种传输手 段,利用REST作为数据移动和存储数据,同时提供丰富的元数据。最初,我看到的主要用例是通过广域,但在长期运行状况下看到其掌握可数据中心也并不感到 惊讶了。最佳存储解决方案3:广域网优化可以通过广域网优化产品,如Riverbed技术获得效率,这比较是极端的方法。通过删除重复数据和压缩其余的流量,减少跨广域网发送量,可以显着 节省存储空间,减少延迟和降低广域网带宽的相关费用。随着企业可以自己查看和创建世界各地的数据,广域网优化已然成为了使用户能保持局域网类型访问,同时 控制存储,网络和存储费用的关键。最佳存储解决方案4:分级存储随着企业寻求成本和性能的平衡,通过最好的介质存储数据的想法,以匹配数据的价值和性能预期变得越发有意义。不经常访问的数据,不一定要存储在 SSD或更高性能的磁盘驱动器上。厂商推出的存储产品,功能基于访问模式的自动数据布局。Flash可以构成一个存储层,通常标示为0层,或作为缓存。这 有两个好处。企业应该了解数据是如何放在介质上的以及模型数据的增长,以便决定购买之前更好地了解扩展容量和性能的成本。最佳存储解决方案5:向外扩展的NAS(网络附加存储)我们知道,传统的NAS会变成一个中小型NAS市场。它将被向外扩展的NAS取代,向外扩展的NAS可以让企业逐步添加容量和性能,构建一个全局命名空间。存储配置可以大大简化,并找到一个单一的存储管理员管理数据的情况并不少见。可以大大降低总成本。最佳存储解决方案6:表现层设备设备管理较少关注基于NAS的容量管理。这些存储数据更关心以最高的效率移动数据。即,一个设备不仅缓存数据,还要加速其其安置。NAS的优化,使IOPS回到NAS,所有繁重的计算交给NAS.其结果是提高了性能并显着减少资本和运营开支。最佳存储解决方案7:FCoE(以太网光纤通道)FCoE可以帮助企业通过在以太网基础设施扩展光纤通道。节省花费在基础设施上的资金,包括电缆和电源管理,这真是一笔不小的开支。具有讽刺意味 的?是,我们不对于FCoE相关的东西了解的太少。我们也没有听到或读到过有关iSCSI和光纤通道之间的竞争。但是,这并不意味着它不重要。以太网获 胜。许多企业公开承认有充足的数据块和文件流量并承认正在寻找的产品来处理它们。虽然基于文件的存储的增长速度超过块级存储,不要指望对于光纤通道或FCoE会很快消失。以上就是简单介绍的七大最佳存储解决方案,希望通过本文的介绍能对大家有些许的帮助。

Ⅸ 链式存储结构比顺序存储结构节省存储空间吗

不是，因为链式存除了数据域，还需要指针域。

Ⅹ 如何节省数据库磁盘储存空间

这个是经典问题了
是采用int型（自增量或手动增量），还是GUID还是联合主键（combo）
考虑这些问题无非从高效性和易用性上进行考虑。下面列出四种主键生成方式优缺点的比较：

自动增长字段
优点1. 使用简单
缺点1. 不同数据库获取当前值方式不同；
2. 难以应用在多个数据库间进行数据迁移的情况。
3.不能集群化

手动增长型字段
优点1.可以获得最新键值
2. 可以确保数据合并过程中不会出现键值冲突
缺点1.通常情况下需要建立一张单独的表存储当前主键键值；
2.增加一次数据库访问来获取当前主键键值；
3. 考虑并发冲突等，增加系统的复杂程度。
4. 不能集群化

使用GUID
优点 1. 直接生成GUID，获得最新键值以填充主键，使用方便；
2.可以确保数据合并过程中不会出现键值冲突；
3. 避免了前两种方式获取当前键值所增加的开销。
缺点1.占用较多存储空间；
2.索引耗时；
3. 在多表链接查询时效率不如int型

使用“COMB”类型
优点1. 保留GUID的已有优点；
2. 利用时间信息与GUID组合起来，增加有序性以提高索引效率。
缺点1.需要设计COMB的生成算法；
2. 和GUID一样占用较多存储空间；
3. 在多表链接查询时效率不如int型，但优于GUID。

从上表的对比中可以看出，问题的焦点还是在是采用高效的，但可控性、可移植性差的整形，还是采用能使用GUID这样可控性和移植性高，但是效率低，存储大的字符型主键，真有点鱼和熊掌不能兼得的味道。（COMB需要设计生成算法，增加程序的复杂度，如果算法不当，会产生意想不到的结果，GUID也可以通过优化索引的方式提升性能，暂不使用COMB）
从数据库的角度来看，整形虽然查询的效率最高，但是数据的合并、移植存在着很大的问题，同时高并发的情况下，各种整形的生成方式都面临这问题，而且不利于集群化处理。而采用GUID生成方式的字符型，能很好解决集成和并发性的问题，但占用空间大，查询效率低可能成为系统运行后将出现的问题。
从程序开发的角度上看，整形生成方式的生成主键非常方便，但是主键的获取，需要整个事务结束，才能从数据库中取到，同时在多关联表保存的时候，需要先保存主表，将产生的主键传给字表，从而也可以造成性能的缺失，并且无法直接获取主键，会增加程序开发处理的复杂性。而字符型的主键，需要程序人员自定义主键生成规则，需要认为的干预主键的生成，但是主键可以在插入数据库之前就能拿到，方便程序的处理。
从系统数据的角度来看，业务数据可能存在大量的并发，采用GUID的方式是非常方便的，在数据级别很大的情况下，可以方便的进行集群化处理。档案型数据并发量小，但是被引用的多，数据合并和集成的情况也很多，完全使用整形是不合适的，完全采用GUID，又会引起性能的缺失，需要更加折中的方案，既保证使用可控性较强的能唯一标识的字符串，同时又要尽量降低字符串占得字节数。而对于系统辅助数据，根据实际情况灵活使用，不做硬性统一，在数据量较小的情况下，尽量采用整形。