数据库的发展过程

数据的存储可以说在任何时候都会用到，小到日常的 excel,word ,大到现在的分布式存储数据库。

对于一个程序员来说，几乎所有的系统设计，数据的存储可以说是根本，一个良好的数据库，一个好的数据结构设计，都是每个程序员锱铢必较的！

       下边就简单介绍下，数据库在发展的过程中，演变的过程...

最开始的 Excel 表格存储数据，但是这样的数据往往非常难以查询，或作各样的分类，接着就是演变为我们熟知的RMDBS（NoSql是另外一种）, 常见的包括 Mysql,Oracle,SqlServer .etc

这样的结构化的数据，我们就可以通过专门的sql语句来条件查询，做分类聚合，分页等操作，能满足我们日常系统的需要。

但是，虽然随着当前数据大爆炸时代的来临，我们的数据越来越多，现有的存储不能支撑我们的业务，渐渐的，我们就会开始考虑数据库的集群，来增大数据存储的可能性。

这个时候，一个数据库的横向扩展，就被提了出来（纵向扩展主要就是增加单机的存储能力）。恰好，因为Hadoop的产生，给了人们这么一个机会去更简单的实现横向扩展，单单通过增加机器的节点就能增加数据库的存储能力--------比起提高机器的硬件，一个便宜的主机来得更方便，性价比更高，我们的Hive,HBase分布式存储数据库就此诞生，

高可用性，可扩展性，一致性都是当今数据库所需要的。但是这样的数据库，在留给用户使用的过程是非常复杂的，人们还是更加倾向于只用简单的sql语句就能操作我们的数据库，而且还要支持事物。所以新一代的TiDB应运而生，它既有分布式数据库的特性，还能只通过简单的sql语句就能满足我们的使用，并且它还是支持事物的。

我理解题主觉得 BigTable 系的 NoSQL 并不是表达力高于关系模型，而是灵活性吧？
比如汇编语言和高级语言，哪个表达力更强，哪个灵活度更高应该很明显。SQL 的表达力是毋庸置疑，都（差不多？）是图灵完备的语言了，你说强不强，

用 KV 的 API 写个正确的多表 JOIN 试试？。。。。而且最关键是，这个是事实标准啊。。。多少程序员是写完 hello world 以后，就开始学 SQL 的。

另外，我们发现关系模型其实是可以和分布式很好结合的，并非水火不容，而且关系模型本身并没有限定实现方式，只不过过去的 RDBMS 都是在单机上实现，

很多 Pattern 并没有在分布式场景中有 good practice，特别是 OLTP, 所以大家可能就会觉得这个没法做。其实还是能的，就是比较复杂，不过我相信我们团队能 handle 这个复杂度。