什么是NoSQL
NoSQL：not only SQL，非关系型数据库
NoSQL是一个通用术语
- 指不遵循传统RDBMS模型的数据库
- 数据是非关系的，且不使用SQL作为主要查询语言
- 解决数据库的可伸缩性和可用性问题
- 不针对原子性或一致性问题
NoSQL和关系型数据库对比
| 对比 | NoSQL | 关系型数据库 |
|---|---|---|
| 常用数据库 | HBase、MongoDB、Redis | Oracle、DB2、MySQL |
| 存储格式 | 文档、键值对、图结构 | 表格式，行和列 |
| 存储规范 | 鼓励冗余 | 规范性，避免重复 |
| 存储扩展 | 横向扩展，分布式 | 纵向扩展（横向扩展有限） |
| 查询方式 | 结构化查询语言SQL | 非结构化查询 |
| 事务 | 不支持事务一致性 | 支持事务 |
| 性能 | 读写性能高 | 读写性能差 |
| 成本 | 简单易部署，开源，成本低 | 成本高 |
为什么使用NoSQL
互联网的发展，传统关系型数据库存在瓶颈
- 高并发读写
- 高存储量
- 高可用性
- 高扩展性
- 低成本
NoSQL的特点
最终一致性
应用程序增加了维护一致性和处理事务等职责
冗余数据存储
NoSQL != 大数据
NoSQL产品是为了帮助解决大数据存储问题
大数据不仅仅包含数据存储的问题
- Hadoop
- Kafka
- Spark, etc
NoSQL三大基石
CAP、BASE、 最终一致性
CAP
- Consistency（一致性）
- Availability（可用性）
- Partition Tolerance（分区容错性）
数据库最多支持3个中的2个
NoSQL不保证“ACID”
提供“最终一致性”
BASE
Basically Availble（基本可用）
- 保证核心可用
- Soft-state（软状态）
- 状态可以有一段时间不同步
- Eventual Consistency（最终一致性）
- 系统经过一定时间后，数据最终能够达到一致的状态
- 核心思想是即使无法做到强一致性，但应用可以选择适合的方式达到最终一致性
最终一致性
- 最终结果保持一致性，而不是时时一致
- 如账户余额，库存量等数据需强一致性
- 如catalog等信息不需要强一致性
- Causal consistency（因果一致性）
- Read-your-writes consistency
- Session consistency
索引和查询
- Indexing（索引）
- 大多数NoSQL是按key进行索引
- 部分NoSQL允许二级索引
- HBase使用HDFS，append-only
- 批处理写入Logged
- 重新创建并排序文件
- Query（查询）
- 没有专门的查询语言，通常使用脚本语言查询
- 有些开始支持SQL查询
- 有些可以使用MapReduce代码查询
MapReduce、Sharding
MapReduce
- 不是Hadoop的MapReduce，概念相关
- 可进行数据的处理查询
Sharding（分片）
- 一种分区模式
- 可以复制分片
- 有利于灾难恢复
NoSQL分类
| 分类 | 举例 | 典型应用场景 |
|---|---|---|
| 键值存储数据库(key-value) | Redis, MemcacheDB, Voldemort | 内容缓存等 |
| 列存储数据库(WIDE COLUMN STORE) | Cassandra, HBase | 应对分布式存储的海量数据 |
| 文档型数据库(DOCUMENT STORE) | CouchDB, MongoDB | Web应用（可看做键值数据库的升级版） |
| 图数据库(GRAPH DB) | Neo4J, InfoGrid, Infinite Graph | 社交网络，推荐系统等，专注于构建关系图谱 |
键值存储数据库（Key-Value）
列存储数据库（Wide Column Store）
文档型数据库（Document Store）
图数据库（Graph Databases）
NoSQL和BI、大数据的关系
BI（Business Intelligence）：商务智能
- 它是一套完整的解决方案
- BI应用涉及模型，模型依赖于模式
- BI主要支持标准SQL，对NoSQL支持弱于关系型数据库
NoSQL和大数据相关性较高
- 通常大数据场景采用列存储数据库
- 如：HBase和Hadoop
版权声明：本文为wuhahabanana原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。