海量的数据处理问题，对其进行处理是一项艰巨而复杂的任务
原因有以下几个方面： 一、数据量过大，数据中什么情况都可能存在
如果说有10 条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了
二、软硬件要求高，系统资源占用率高
对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源
一般情况，如果处理的数据过 TB 级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大 CPU 和内存，就象面对着千军万马，光有勇气没有一兵一卒是很难取胜的
三、要求很高的处理方法和技巧
这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验的积累，也是个人的经验的总结
没有通用的处理方法，但有通用的原理和规则
那么处理海量数据有哪些经验和技巧呢，我把我所知道的罗列一下，以供大家参考： 一、选用优秀的数据库工具现在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用 Oracle 或者 DB2，微软公司最近发布的SQL Serv er 2005 性能也不错
另外在 BI 领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的ETL 工具和好的OLAP 工具都十分必要，例如 Informatic，Eassbase 等
笔者在实际数据分析项目中，对每天 6000 万条的日志数据进行处理，使用 SQL Serv er 2000 需要花费 6 小时，而使用 SQL Serv er 2005 则只需要花费 3 小时
二、编写优良的程序代码处理数据离不开优秀的程序代
