NoSQL

NoSQL，泛指非关系型的数据库。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，特别是大数据应用难题。

Nosql概述

1、单机MySQL的年代

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

这种情况下，整个网站的瓶颈是什么？

1、数据量如果太大，一个机器放不下

2、数据的索引（B+Tree），一个机器内存也放不下

3、访问量（读写混合），一个服务器承受不了

2、Memcached（缓存）+MySQL+垂直拆分（读写分离）

网站80%的情况都是在读，每次都要去查询数据库的话就十分麻烦，可以当时就提出了使用缓存来保证效率

3、分库分表+水平拆分+MySQL集群

技术和业务的发展的同时，对人的要求也越来越高了

本质：数据库（读，写）

早些年MyISAM：表锁，十分影响效率！高并发就出现严重的锁问题

转为Innodb：行锁

慢慢的就开始使用分库分表来解决写的压力

4、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有的使用它来村粗一些比较大的文件，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的数据，MySQL无法承受这样的压力

这个时候就需要NoSQL数据库，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)

泛指非关系型数据库，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。尤其是超大规模高并发的社区！

NoSQL在当今大数据环境下发展十分的迅猛，Redis是发展最快的，而且是当下必须掌握的一个技术

很多数据类型例如用户的个人信息，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。不需要多余的操作就可以横向扩展（多台计算机）

NoSQL的特点

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，性能极高）

3、数据类型是多样型的（不需要事先设计数据库，通过set和get随取随用）

4、传统的关系型数据库(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 row col
- 操作语言，数据定义语言
- 严格的一致性
- 基础的事务
- ...

NoSQL
- 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理论（异地多活）
- 高性能，高可用，高可扩展
- ...

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

大数据的3高：主要是对程序的要求

1. 高并发
2. 高扩展
3. 高性能

真正在公司中的实践：NoSQL + RDBMS 一起使用

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（一般必须要掌握）
  • MongoDB是一个分布式文件存储的数据库，一般存储大量文档
  • MongoDB是一个介于关系型数据库和非关系型数据库中间的产品！MongoDB是非关系型数据库中功能最丰富的，最像关系型数据库的
• ConthDB

列存储数据库

• HBase
• 分布式文件系统

图形关系数据库（存的是关系不是图片，比如朋友圈社交网络，广告推荐）

• Neo4j、InfoGrid

分类	Examples举例	典型应用场景	数据模型	优点	缺点
键值(key-value)	Tokyo Cabinet/Tyrant,Redis	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	查询速度快	数据无结构化，通常只被当做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	查询速度快，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（于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，而且缺乏统一的查询语句
图片数据库	Neo4j，InfoGrid，Infinite，Graph	社交网络，推荐系统等。专注于构建关系图片	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，而且这种结构不太好做分布式的集群方案

---

如果你觉得这篇文章对您有帮助的话，麻烦帮我点个点个赞关注一下吧，创作不易，有你的支持才是我前进的动力~