Redis学习：Nosql概述，数据类型，四大分类

Nosql概述

(1)单机Mysql的时代

(2)Memcached(缓存)+MySQL+垂直拆分
网站80%的情况都是在读取，每次都要去查询数据库的话就会很麻烦，所以说我们希望减轻数据库的压力，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(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，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
开始使用分库分表来解决写的压力！
Mysql的集群

NoSQL=Not Only SQL(不仅仅是SQL)
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
横向扩展的！Map<String,Object>使用键值对来控制。

Nosql数据类型

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.数据类型是多样性的！(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，定义数据语言
-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，图像数据库(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：
	1.高并发
	2.高可扩
	3.高性能

Nosql四大分类

KV键值对

• 新浪：Redis

• 美团：Redis+Tair

• 阿里，百度：Redis+memecache

文档行数据库（bson 和json一样）：

• MongoDB（一般需要掌握）

(1)MongoDB是一个基于分布式文件存储的数据库，C++编写，主要用于处理大量的文档。
(2)MongoDB是一个介于关系型数据库和非关系型数据库中间的产品，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	Examples举例	典型应用场景	数据模型	优点	缺点
键值（key-value）[3]	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。[3]	Key 指向 Value 的键值对，通常用hash table来实现[3]	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[3]
列存储数据库[3]	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[3]	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。
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[3]	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。[3]