大数据需要为算法提供训练数据，按照算法的特征工程提炼数据，通过spark提特征，之后应该把特征存到一些顺序读写性能高的Nosql数据库中，这样的Nosql有哪些推荐？

如果你需要将特征数据存储在具有良好顺序读写性能的NoSQL数据库中，以下是一些推荐的选项：

1. Apache Parquet：虽然Parquet被广泛用作列存储文件格式，但也可以将其视为NoSQL数据库。Parquet文件格式具有高效的压缩和列式存储，因此适用于存储大规模特征数据。Spark提供了与Parquet文件的无缝集成，可以轻松读写Parquet文件。

2. Apache ORC：ORC（Optimized Row Columnar）是另一个列式存储文件格式，类似于Parquet。它提供了高效的压缩和列式存储，并且具有较快的读写性能。Spark也提供了对ORC文件格式的支持。

3. Apache Arrow：Arrow是一种内存数据格式，旨在提供快速、跨平台的数据交换。它具有高效的序列化和反序列化性能，可以作为NoSQL数据库存储特征数据的格式。Spark可以与Arrow无缝集成，使得在Spark中读写Arrow格式的数据变得简单。

4. Elasticsearch：Elasticsearch是一个开源搜索引擎，也可用于存储和查询结构化数据。它具有良好的顺序读写性能，并提供了灵活的查询功能。你可以将特征数据以文档的形式存储在Elasticsearch中，并使用其强大的查询功能进行检索。

5. Apache Kudu：Kudu是一种快速、可扩展的列存储数据存储系统，适用于实时分析和低延迟查询。它具有优秀的顺序读写性能，并提供了与Spark的集成支持。你可以将特征数据存储在Kudu表中，并通过Spark进行读写和查询。

需要注意的是，每个NoSQL数据库都有其适用的使用场景和性能特点。在选择合适的数据库时，还需要考虑其他因素，如数据模型、一致性要求、可扩展性等。因此，建议在具体应用场景中评估和测试不同的NoSQL数据库，以确定最适合你需求的选项。