大数据量的存储，主要是清理和分箱。
应对大数据量，包括数据访问，方案一是清理，二是分类。
清理就是定期对数据进行清理和归档。
分类一是根据操作做读写分离。二是做水平划分（分片）。三是做垂直划分，比如微服务的库拆分，还有根据不同的场景选择合理的存储方式。
搜索服务使用ES，日志服务使用MongoDb，业务数据使用Mysql，缓存数据使用Redis和Guava。
微服务框架中数据库的选择
一是按照存储的数据对象划分。
业务数据存放到关系数据库，比如mysql，postsql。资金允许可以用oracle。存储引擎用InnoDB，提供具有提交、回滚和崩溃恢复能力的事务安全存储引擎。
缓存数据用redis。
大数据量的基础数据用MongoDB，比如文章评论。注意MongoDB中一个文档最大16M。
日志数据用ES。全文搜索的业务需求用ES，比如文章（按照标题、发布用户、发布时间、文章内容等）搜索。
二是按照需求来划分。
如果需要做全文搜索，用ES。
如果是范式搜索和增删改查，用关系数据库。
如果是文章评论，而且一个文档小于16M，用MongoDB。
去中心化的数据管理，每一个微服务都有自己的数据库。优点在于不同的服务可以选择适合自身业务的数据，比如订单服务用mysql，评论服务可以用MongoDB，商品搜索服务可以用ES。缺点是事务的问题。目前的解决方案是最终一致性。