Redis之NoSQL概述--狂神说

可以在bilibili搜索Redis来学习视频 （狂神说）

Nosql概述

为什么要用？
1、 单机MySql的年代

90年代，一个基本的网站访问连不会太大，单个数据库完全足够。那时更多的去使用静态网页HTML，服务器没有太大压力，所以单机mysql够用。
这种情况下整个网站瓶颈
1)数据量如果太大，一个机器放不下
2) 数据的索引（B+Tree），一个机器内存放不下
3) 访问量（读写混合一体），一个服务器承受不来
一旦开始出现其中之一就得晋级。
2、 Memcached（缓存）+MySQL+垂直拆分（读写分离）
网站80%的情况都在读，如果每次都去查询数据库就十分麻烦。所以我们希望减轻数据库的压力，使用缓存来保证效率。缓存主要是解决读的问题
发展过程：优化数据结和索引文件缓存（IO） Memcached(当时最热门的技术)

3、 分库分表+水平拆分+MySQL集群
技术和业务在发展的同时，对人的要求也越来越高
本质：数据库（读，写）
早些年MyISAM：表锁（例如你查一个人的名字，就会把整张表给锁定，直到找到为止），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
慢慢就开始使用分库分表来解决写的压力!MySQL在当时推出了表分区，然后没有多少公司使用。
MySQL的集群，，很好满足那个年代的所有需求。

4、最近的年代
2010-2020年十年之间，世界已经发生翻天覆地的变化；（定位，也是一种数据，音乐，热榜）
MySQL等关系型数据库不够用了，数据量很多，变化很快
MySQL有的使用它来存储一些比较大的文件，博客，图片！数据库表很大，效率就低了。这时，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，表几乎没法更改。
目前一个基本的互联网项目

为什么要用NoSQL
用户个人信息，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。
这时就需要使用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）泛指非关系型数据库（表格、行、列【POI】），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并发的社区，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（行、列），不需要多余的操作就可以横向扩展的。Map<String,Object>使用键值对来控制

NoSQL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RDBMS（关系型数据库）：
1)结构化组织
2) SQL
3) 数据和关系都存在单独的表中
4) 操作CRUD，数据定义语言
5) 严格的一致性
6) 基础的事务
7) ……
NoSQL
1)不仅仅是数据
2) 没有固定的查询语言
3) 键值对存储，列存储，文档存储，图形数据库（社交关系）
4) 最终一致性
5) CAP定理和BASE（异地多活）
6) 高性能，高可用，高可扩展
7) ……
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、 髙可拓（随时水平拆分）
3、 高性能（保证用户体验和性能）
在公司中的实践：RDBMS + NoSQL一起使用
阿里的演进分析

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

• MongoDB（一般必须要掌握）
• 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
• MongoDB是一个介于关系型数据库和非关系型数据库中中间的产品。MongoDB是非关系型数据库中功能最最丰富，最像关系型数据库的
• ConthDB

列存储数据库

• HBase
• 分布式文件系统

图型（Graph）关系数据库
可以去搜索看看

• 不是存图形的，放的是关系，eg：朋友圈社交网络，广告推荐
• Neo4j，InfoGrid

这四者的对比

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, 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，而且缺乏统一的查询语法。
图形(Graph)数据库	Neo4J, InfoGrid, 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，而且这种结构不太好做分布式的集群方案。