关系型数据库 vs 非关系型数据库

结构化数据、非结构化数据与半结构化数据

结构化数据:
由二维表结构来逻辑表达和实现的数据，严格遵循数据格式与长度规范，也称作为行数据，特点为：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。

非结构化数据:
指的是数据结构不规则或不完整，没有任何预定义的数据模型，不方便用二维逻辑表来表现的数据，例如图片、HTML、各类报表、视频音频等。

半结构化数据：
介于结构化与非结构化数据之间的数据就是半结构化数据了，它是结构化数据的一种形式，虽然不符合二维逻辑这种数据模型结构，但是包含相关标记，用来分割语义元素以及对记录和字段进行分层。常见的半结构化数据有XML和JSON

关系型数据库

关系型数据库是指采用了关系模型来组织数据的数据库。简单来说，关系模式就是二维表格模型。常见有Mysql、SQL Server、Oracle、PostgreSQL

优点：
数据一致性
支持ACID特性，可以维护数据之间的一致性，这是关系型数据库最大的优点

数据稳定
数据持久化到磁盘，没有丢失数据风险，支持海量数据存储

易理解
因为行 + 列的二维表逻辑是非常贴近逻辑世界的一个概念，关系模型相对网状、层次等其他模型更加容易被理解

操作方便
通用的SQL语言使得操作关系型数据库非常方便，支持join等复杂查询，Sql + 二维关系是关系型数据库最无可比拟的优点，这种易用性非常贴近开发者

缺点：

• 读写开销大：
  关系型数据库最大的特点就是支持事务，维护数据的一致性，相应的代价就是其读写性能比差，在互联网早期数据量不大、数据结构简单的情况下，尚可应付。但随着互联网的发展，关系型数据库越来越难以满足高并发、大数据、非结构化的数据(视频图片)场景

• 分布式事务比较难保证

• 表结构扩展不方便
  由于数据库存储的是结构化数据，因此表结构schema是固定的，扩展不方便，如果需要修改表结构，需要执行DDL语句修改，修改期间会导致锁表，部分服务不可用

• 全文搜索功能弱
  例如like “%中国真伟大%”，只能搜索到"2019年中国真伟大，爱祖国"，无法搜索到"中国真是太伟大了"这样的文本，即不具备分词能力，且like查询在"%中国真伟大"这样的搜索条件下，无法命中索引，将会导致查询效率大大降低

非关系型数据库

NoSQL是什么？
基于以上关系型数据库的种种缺点，NoSQL诞生了。
NoSQL= Not Only SQL = 非关系型数据库
特点是去掉关系数据库的关系型特性，就是表与表之间没有直接关系，创建的话也不用遵循三大范式，
并且是以键值对存储，所以不用局限于固定的结构，可以减少一些时间和空间的开销。
并且NoSQL 的数据主要存储在内存中（部分可以持久化到磁盘），所以十分适合处理超大量的数据和高并发。

注意：NoSQL是对关系型数据库的一种补充，这意味着NoSql与关系型数据库并不是对立关系，二者各有优劣，取长补短，在合适的场景下选择合适的存储引擎才是正确的做法。

NoSQL与关系型数据库对比

1、存储格式

关系型数据库：高度组织化结构化，表、行、列

NoSQL：非结构化的 文档、键值对、图结构

2、事务

关系型数据库：支持事务，满足ACID

NoSQL：不支持事务强一致性，分布式场景下满足CAP&BASE

4、查询方式

关系型数据库：SQL结构化查询

NoSQL：非结构化查询

5、存储规范

关系型数据库：规范性，避免重复

NoSQL：允许冗余

6、性能

关系型数据库：为了保证事务，读写性能差

NoSQL：不需要满足强一致性，读写性能高

8、存储方式

关系型数据库：数据主要存储在磁盘中

NoSQL：数据主要存储在内存中（部分可以持久化到磁盘）

9、建表原则

关系型数据库：建立在关系模型基础上的数据库，依靠表、字段等关系模型，以列或字段构建关联

NoSQL：数据模型比较简单，用Key-Value的形式来存储数据，不需要高度的数据一致性

10、成本

关系型数据库：成本高

NoSQL：简单易部署，开源，成本低

KV型NoSql（代表：Redis）

KV型NoSql顾名思义就是以键值对形式存储的非关系型数据库，Redis是KV型NoSql中应用最广泛的

优点：
数据基于内存，读写效率高，查询时间复杂度O(1)，TPS可达到10万的级别，性能非常强劲。

缺点：
内存是有限的，无法支持海量数据存储，且有丢失数据的风险

综上所述：KV型NoSql最合适的场景就是缓存

搜索型NoSql（代表：ElasticSearch）

传统关系型数据库主要通过索引来达到快速查询的目的，但是在全文搜索的场景下，索引是无能为力的，like查询一来无法满足所有模糊匹配需求，二来使用限制太大且使用不当容易造成慢查询，搜索型NoSql的诞生正是为了解决关系型数据库全文搜索能力较弱的问题，ES是搜索型NoSql的代表产品。

全文搜索的原理是倒排索引
什么是倒排索引？
先看下什么是正排索引，传统的正排索引是文档-->关键字的映射，例如"Tom is my friend"这句话，会将其切分为"Tom"、“is”、“my”、"friend"四个单词，在搜索的时候对文档进行扫描，符合条件的查出来。

倒排索引则完全相反，它是关键字-->文档的映射，举例理解：
现在这里有四个短句：

"Tom is Tom"
"Tom is my friend"
"Thank you, Betty"
"Tom is Betty's husband"

关键字-->文档的映射表格如下：

搜索引擎会根据一定的切分规则将这句话切成N个关键字，并以关键字的维度维护关键字在每个文本中的出现次数。这样下次搜索"Tom"的时候，由于Tom这个词语在"Tom is Tom"、“Tom is my friend”、"Tom is Betty’s husband"三句话中都有出现，因此这三条记录都会被检索出来，且由于"Tom is Tom"这句话中"Tom"出现了2次，因此这条记录对"Tom"这个单词的匹配度最高，最先展示。这就是搜索引擎倒排索引的基本原理

搜索型NoSql以ElasticSearch为例，它的优点为：

• 支持分词场景、全文搜索，这是区别于关系型数据库最大特点
• 支持条件查询，支持聚合操作，类似关系型数据库的Group By，但是功能更加强大，适合做数据分析
• 数据写文件无丢失风险，在集群环境下可以方便横向扩展，可承载PB级别的数据
• 高可用，自动发现新的或者失败的节点，重组和重新平衡数据，确保数据是安全和可访问的

因此，搜索型NoSql最适用的场景就是有条件搜索的场景，作为关系型数据库的一种替代方案。

列式NoSql（代表：HBase）

列式NoSql，大数据时代最具代表性的技术之一了，以HBase为代表。

列式NoSql是基于列式存储的，那么什么是列式存储呢？
列式NoSql和关系型数据库一样都有主键的概念，区别在于关系型数据库是按照行组织的数据，看下表，每行有name、phone、address三个字段，这是行式存储的方式，且可以观察id = 2的这条数据，即使phone字段没有，它也是占空间的。

而列式存储完全是另一种方式，它是按每一列进行组织的数据：

这么做有什么好处呢？大致有以下几点：

• 查询时只有指定的列会被读取，不会读取所有列
• 存储上节约空间，Null值不会被存储，一列中有时候会有很多重复数据（尤其是枚举数据，性别、状态等），这类数据可压缩。
• 列数据被组织到一起，一次磁盘IO可以将一列数据一次性读取到内存中

文档型NoSql（代表：MongoDB）

文档型NoSql指的是将半结构化数据存储为文档的一种NoSql，文档型NoSql通常以JSON或者XML格式存储数据
因此文档型NoSql是没有Schema的，由于没有Schema的特性，我们可以随意地存储与读取数据，因此文档型NoSql的出现是解决关系型数据库表结构扩展不方便的问题的。

MongoDB从存储上来看：

与关系型数据库对比：

因此，对于MongDB，我们只要理解成一个Free-Schema的关系型数据库就完事了。

总结

1、何时选用关系型数据库，何时选用非关系型数据库？
——对数据一致性要求高的、结构化的、核心的数据(用户表、订单表等)，适合关系型数据库，其他的适合非关系型

2、非关系型数据库总结

原文