的技术辩论从未真正解决。考虑制表符与空格，我们可以为这些人员添加有关扩展数据基础结构的方法的论点。您是否应该通过添加更多资源并扩展覆盖范围（向外扩展）或在现有覆盖范围内提高性能（向上扩展）来满足需求？在长的时间内，这甚至不是问题。默认情况下，按比例放大，提高性能意味着增加内存，购买更高级的CPU或插入更快，更高效的存储阵列。

不久之前，数据结构主要降级为组织为数据管理制定的各种策略。该概念在很大程度上仅限于确保数据位于正确的位置，并应将其存储在正确的位置。向前发展到今天，数据结构通常与跨关键任务的分析紧密联系在一起，通常跨多云环境和本地环境混合使用。

也许没有哪个技术堆栈比数据库具有更大的惯性，问题是，日常的运营维护非常困难，为应用程序选择迁移后，迁移也是一个挑战，恰当的例子：仍然占市场多数的传统关系数据库基于 40年前设计的技术。

物化视图（MV）是基于特定排序键的有序数据副本。分析引擎运行时可以使用实例化视图来选择性地扫描具有筛选条件的查询计划的数据。索引不仅应在表级别维护，还应在分区级别维护。尽管可以为一个给定的表配置一个以上的实例化视图，但这需要额外的存储和计算来保持其更新。在单个实例化视图上的Z顺序索引有助于解决此问题。Z顺序索引可为任意组合的多个列提供查询，而不仅仅是将数据按单个列排序。

大多数业务用户使用BI工具跟踪收入，利润和客户体验指标，这些工具对数据仓库中的少量关系数据进行操作，并且需要执行少量数据扫描。数据分析师是商业智能（BI）工具的主要用户，他们与数据工程师合作编写用于加载所需数据的SQL脚本。

对于具有大量和复杂数据管理需求的组织来说，找到合适的数据库一直是一个挑战。随着企业越来越多地在无状态云本机平台上混合并匹配本地和多云环境，数据库所需的性能标准变得越来越高。