处理返回数据集很大的并发场景适合用哪种分布式数据库？

elasticsearch是做非关系数据的搜索引擎场景使用的，比如日志查询场景，redis是主要是做零时文件查询cache使用，大数据查询场景，特别是做join，sum等操作，建议使用hive架构、hatp架构还有就是后起之秀ClickHouse数据库在不少大的互联网公司作为实时大数据分析使用，性能非常强，大数据的聚合查询，大数量的复查查询类场景，我理解性能提升关键有下面几点，一是列式存储是提高性能的关键点，二是还有就是分布式节点架构，所有节点都能参与进来，三是节点本身能过滤计算数据集合，减少数据在网络上的传输量，四是可以使用底层的存储级索引，可以在物理存储过滤掉一些成本。

提供一个思路，返回数据集很大一般在几个场景中遇到，1、jdbc对数据库进行读取不够合理；2、数据分析场景下需要对千万级数据进行快速计算和响应；3、调用存储过程返回庞大的结果集。
在这种情况下，有一些是通过数据库解决，还有一些通过应用的优化进行解决，比如分页或减少结果集传输次数，如果从数据库层面进行选型，很多分布式数据库都适合，关键看是否匹配场景，匹配能力是否覆盖，1、是否具备多维度关联预先计算出结果的能力；2、是否具备高并发场景的能力，其中涉及锁的机制；3、是否具备应对维度过大和枚举值多的能力。

提供一个思路。influxDB配合kafka和程序， 复杂处理建议放在程序里做，让数据库专注处理时序数据。