NoSQL简介

为什么要用Nosql

单机 MySql 的时代

90年代，一个基本的网站访问量一般不会太大,单个数据库完全足够！那个时候，更多的去使用静态网页Html ~服务器根本没有太大的压力！思考一下，这种情况下:整个网站的瓶颈是什么?

• 数据量如果太大，一个机器放不下了！
• 数据的索引(B+ Tree)，一个机器内存也放不下
• 访问量(读写混合)，一个服务器承受不了~

 

Memcached (缓存) + MySQL +垂直拆分

网站80%的情况都是在读，每次都要去查询数据库的话就+分的麻烦！所以说我们希望减轻数据的压力，我们可以使用缓存来保证
效率！

发展过程：优化数据结构和索引-->文件缓存( I0 )-->Memcached (当时最热门的技术！ )

 

当今的企业架构分析

分库分表 + 水平拆分 + MySQL集群

本质:数据库(读.写)

早些年MyISAM：表锁,十分影响效率！高并发下就会出现严重的锁问题
转战Innodb：行锁

慢慢的就开始使用分库分表来解决写的压力！

 

如今最近的年代

2010--2020十年之间,世界已经发生了翻天覆地的变化； ( 定位，也是一种数据, 音乐,热榜！)
MySQL等关系型数据库就不够用了！数据量很多,变化很快！
MySQL有的使用它来存一些比较大的文件，博客，图片！数据库表很大，效率就低了！如果有一种数据库来专门处理这种数据
MySQL压力就变得十分小(研究如何处理这些问题! ) 大数据的 IO 压力下,表几乎没法更大！

目前一个基本的互联网项目

为什么要用NoSQL

用户的个人信息，社交网络.地理位置。用户自己产生的数据，用户日志等等爆发式增长。
这时候我们就需要使用NoSQL数据库的。Nosql 可以很好的处理以上的情况。

什么是NoSQL

NoSQL = Not Only SQL (不仅仅是SQL )
关系型数据库：表格，行，列
泛指非关系型数据库的,随着web2.0互联网的诞生。传统的关系型数据库很难对付web2.0时代。尤其是超大规模的高井发的社
区。暴露出来很多难以克服的问题， NoSQL在当今大数据环境下发展的十分迅速，Redis是发展最快的，而且是我们当下必须要掌
握的一个技术。
很多的数据类型用户的个人信息，社交网络，地理位置。这些数据类型的存储不需要一个固定的格式！不需要多月的操作就可以横
向扩展的。 Map<string,Object> 使用键值对来控制。

NoSQL的特点

解耦！

1. 方便扩展(数据之间没有关系，很好扩展 )
2. 大数据量高性能( Redis一秒写8万次，读取11万， NoSQL的缓存记录级，是-一种细粒度的缓存，性能会比较高)
3. 数据类型是多样型的 ( 不需要事先设计数据库，随取随用!如果是数据量十分大的表，很多人就无法设计了 )
4. 传统 RDBMS 和 NoSQL

传统的RDBMS
- 结构化组织
- SQL
- 数据和关系都存在单独的表中
- 操作语言，数据定义语言
- 严格的一致性
- 基础的事务

Nosq1
- 不仅仅是数据
- 没有固定的查询语言
- 键值对存储，列存储。文档存储，图形数据库(社交关系)
- 最终一致性
- CAP定理 和 BASE (异地多活) 
- 高性能，高可用，高可扩

 了解：3V+ 3高

大数据时代的3V：主要是描述问题的

1. 海量 Volume
2. 多样 Variety
3. 实时 Velocity

大数据时代的3高：主要是对程序的要求

1. 高并发
2. 高可拓
3. 高性能

NoSQL的四大分类

KV键值对

• 新浪: Redis
• 美团: Redis + Tair
• 阿里、百度：Redis + memecache

 

文档型数据库( bson格式和json一样) 

• MongoDB ( -般必须要掌握)

1. MongoDB是一 个基于分布式文件存储的数据库，C++编写,主要用来处理大量的文档
2. MongoDB是一 个介于关系型数据库和非关系型数据中中间的产品，MongoDB是非关系型数据库中功能最丰富,最像关
   系型数据库的

• ConthDB 

列存储数据库

• HBase
• 分布式文件系统

图关系数据库

它不是存图形，放的是关系，比如:朋友圈社交网络，广告推荐
Neo4j ，InfoGrid ;

分类	举例	典型应用场景	数据模型	优点	缺点
键值(key-value)	Tokyo Cabinet / Tyrant,Redis, Voldemort,Oracle BDB	内容缓存，主要用于处理大量数据的高访问负载，也用于一些日志系统等等。	Key 指向 Value 的键值对，通常用hash table来实现	查找速度快	数据无结构化，通常只被当作字符串或者二进制数据
列存储数据库	Cassandra, HBase,Riak	分布式的文件系统	以列簇式存储,将同一列数据存在一起	查找速度快,可扩展性强， 更容易进行分布式扩展	功能相对局限
文档型数据库	CouchDB, MongoDb	Web应用(与Key-Value 类似，Value是结构化的，不同的是数据库能够了解Value的内容)	Key-Value对应的键值对，Value为结构化数据	数据结构要求不严格 ，表结构可变,不需要像关系型数据库一样需要预先定义表结构	查询性能不高，而且缺乏统-的查询语法
图形(Graph)数据库	Neo4J, InfoGind,Infinite Graph	社交网络,推荐系统等。专注于构建关系图谱	图结构	利用图结构相关算法。比如最短路径寻址，N度关系查找等	很多时候需要对整个图做计算才能得出需要的信息 ,而且这种系查找等的集群方案