在1GB内存的服务器上运行并容纳单表100GB数据是一个非常苛刻的要求，但以下几种数据库在资源受限的环境下仍然有可能提供合理的性能：
1. ClickHouse
- 特性: 列式存储，专为处理大规模数据设计，内存使用优化良好。
- 优势: 可以在低内存环境下处理大规模数据。因为它是列存储，所以在查询时只加载需要的列，节省了内存。
- 使用场景: 主要用于分析型工作负载，适合只需偶尔查询大数据集的场景。
2. SQLite
- 特性: 嵌入式、单文件数据库，资源需求极低。
- 优势: 在嵌入式系统中表现良好，能够处理大量数据，虽然在性能上有所局限，但对于小型应用或低并发场景非常合适。
- 注意: 虽然SQLite可以容纳大文件，但由于内存限制，查询性能会明显下降。
3. LevelDB/RocksDB
- 特性: 键值存储数据库，设计紧凑，适合低资源环境。
- 优势: 对内存要求较低，数据存储在磁盘上，内存主要用于索引和缓存，适合写入密集型应用。
- 使用场景: 如果访问模式是随机的或范围查询较少，这类数据库会表现良好。
4. DynamoDB (AWS):
- 特性: 云托管的NoSQL数据库，能够自动扩展存储和计算资源。
- 优势: 即使你的本地硬件资源有限，云服务可以在后台处理繁重的任务，并仅在查询或写入时消耗资源。按需付费模式意味着你可以在低成本运行大规模数据库。
- 注意: 依赖AWS生态系统，并且对于每次请求都会有延迟，成本随数据量增加。
5. PostgreSQL (针对优化)
- 特性: 全功能的关系型数据库，支持各种数据类型和复杂查询。
- 优化策略: 通过调优配置文件（如
shared_buffers、work_mem、maintenance_work_mem等参数），并使用分区表来减少内存消耗。 - 注意: 需要对查询、索引和缓存进行仔细优化，尽可能减少内存占用。
关键优化策略：
- 分区表: 将大表分割成多个小表，根据查询需求加载所需的分区，减少内存消耗。
- 索引优化: 使用合适的索引以避免全表扫描，同时控制索引的数量以防止过多内存占用。
- 批处理操作: 对批量插入和更新进行分批处理，减少内存压力。
- 磁盘缓存使用: 合理配置操作系统的磁盘缓存，以尽量减少内存占用。
在这种资源受限的环境下，ClickHouse 和 LevelDB/RocksDB 是最有可能满足你需求的选择。如果你的数据主要用于分析或需要高吞吐量的读写操作，这些数据库在1GB内存环境下依然可以处理单表100GB的数据。