微软对Yahoo!的收购持久战可能让很多人都新闻疲劳了。但今天看到的这个关于Yahoo!的技术新闻还是值得看一下的：Size matters：Yahoo claims 2-petabyte database is world's biggest，busiest。Yahoo!的VP Waqar Hasan在文中披露Yahoo!的数据仓库当前容量为2PB。用于分析每月5亿的用户访问行为，每天处理 240亿次的事件，号称世界上单个最大、最忙的数据库。
尽管有的数据仓库容量要比雅虎的大。但那些DB或是存储非关系性数据，或是存储的压缩后的原始数据，不能进行即时分析，雅虎之前的也有数百T这样的数据。眼下 Yahoo!数据仓库存储的是结构化、可分析的数据。预计下一年可能膨胀到数十PB。eBay号称数据总量有6PB，不过根据一些消息来看，单个最大的DB只有1.4 PB。
Yahoo!在2005年买了一家叫Mahat Technologies的初创公司(就是Waqar Hasan操刀的)，这家公司以PostgreSQL数据库为基础，开发了一个新型DB，其特点是 基于列的而不是基于行的模式。不难理解，这样数据写入的速度会慢下来，但是读取的速度会快很多【去年的侠客行上，雷鸣在演讲的时候讲过他在百度的时候做的一个优化的例子。和这个思想非常相似，所以当时我说对我“有启发”】。Yahoo!买了之后，对该产品进行了持续性的改进(内部代号：ELCARO?)，比如压缩，并行处理能力加强、优化查询等等特性的添加改进。而针对使用者的接口仍是PostgreSQL。这应该也算PostgreSQL在顶级企业又一个成功案例。
这么大的数据库并没有采用传统的SMP架构构建，而是采用普通PC作集群(用了不到1000台)。很明显这是Share Nothing而不是Share Storage的DB集群。通过上述独特的设计方式，能够对此海量数据进行有效的分析，这是个不小的技术革新，也是与Google Map Reduce完全不同的计算模式。
让人感慨的是关于世界上的超大数据库一文中罗列的数据，现在看起来已经并不惊人了。以前总说信息爆炸，这个时代刚刚来临。
