我问这个问题是为了获得有关亚马逊服务的一些意见。
我目前在m4.2xlarge实例上运行RDS，但我在大型数据库上遇到性能问题。所以我决定研究大数据。我想开始使用带有5个亚马逊m4.large或m4.xlarge实例的hadoop。
有没有人在这个问题上有任何类似的经验或建议？
Hadoop和RDS是非常不同的技术，不可互换。
RDS提供非常快速的事务处理（OLTP）。 Hadoop更适合批量处理（OLAP）。随着Spark的出现，这条线正在发展。有针对Hadoop的SQL查询应用程序，但它们不会替换最强的SQL数据库：复杂查询，表连接等。
有一点，数据对于传统的SQL服务器来说太大了。那时我会调查Redshift。您将不得不重新考虑数据的存储方式，查询格式等。
您没有提供有关性能问题的详细信息。对于读取问题，请查看扩展范围（read-replicas）。对于写入问题，您需要扩展更大（更大/更快的机器，更快的存储，更多的内存等）。在某些情况下，只是优化查询会产生重大影响。
总之，在创建信息性答案之前，您的问题需要更多数据。
约翰汉利是对的，RDS和Hadoop是非常不同的野兽。问题是，您使用的是哪种数据？
如果数据和您的用例本质上是关系性的（外键，索引，唯一性约束，ACID事务，需要有效的连接和任意查询）那么您可能最好使用“webscale”SQL数据库 - 在这种情况下我建议看一下Amazon Aurora。它是MySQL或PostgreSQL的直接替代品，具有更好的性能和可扩展性。
如果您的数据是关系型的，但您的用例更多地是针对商业智能（星形/雪花模式，柱状聚合，任意下钻），并且您对写入延迟的依赖性较小，那么您可能最好使用像Redshift这样的数据仓库。
如果您的数据更像查询表，大部分查询都是点查询到大型命名空间（想想GUID，cookie ID，设备ID，如IDFA），那么您可能会想要一个键值存储 - DynamoDB将是AWS上的明显选择，但对于某些工作负载（以及小于100GB的数据集），您也可以考虑在ElastiCache上使用Redis。
如果您的数据更像事件 - 比如说，您正在存储横幅广告展示或IoT消息 - 那么您可能需要一个允许您实时摄取新数据的堆栈;德鲁伊或HBase + Phoenix可能就是这里的答案，如果不是专用的时间序列数据库。
最后，如果您的数据很大并且您的常见用例涉及高TB级或数PB级数据的复杂和任意（非预先计算）查询，那么Hadoop将是一个很好的选择，因为存储您的数据要便宜很多S3上的数据并根据需要启动EMR集群，而不是运行将数据存储到数据库或数据仓库堆栈所需的硬件。如果这是你走的路线，你通常可以通过在磁盘上以柱状格式（如Parquet）存储数据并使用Spark SQL或Presto（AWS上的Athena）查询数据来获得非常显着的性能提升。但是，一旦你切换到这种“纯粹的”大数据堆栈，你就处于OLAP领域，这意味着你可以在几分钟到几小时内查看查询时间，而不是在几毫秒到几秒内，所以这是需要注意的事情。 。