我需要对大约100 TB的网络数据进行分类和聚类分析，计划使用Hadoop和Mahout以及AWS。你推荐我使用哪种数据库来存储这些数据？MySQL可以用吗，还是像MongoDB这样的数据库会更快？两种数据库各自还有其他什么优势？谢谢。

回答：

最简单直接的回答是直接将文件放入HDFS或S3（因为你提到了AWS），然后让Hadoop/Mahout直接指向这些文件。其他数据库有不同的用途，但Hadoop/HDFS正是为这种高容量、批处理风格的分析而设计的。如果你想要一个更像数据库的访问层，那么你可以轻松地添加Hive。底层的存储层仍然是HDFS或S3，但Hive可以为你提供类似SQL的访问方式来操作存储在那里的数据，如果这是你所需要的。

关于你提到的另外两个选项：MongoDB适合低延迟的读写操作，但你可能并不需要这个功能。我对MySQL的高级功能不是很了解，但我猜100 TB的数据对它来说会相当困难，尤其是当你开始进行访问所有数据的大型查询时。MySQL更适合传统的、事务性的访问。