数据库介绍-非关系型数据库

非关系型数据库

NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，泛指非关系型的数据库。
NoSQL 不依赖业务逻辑方式存储，数据存储的类型不需要一个固定形式。因此大大的增加了数据库的扩展能力。

• 不遵循 SQL 标准
• 不支持 ACID
• 远超于 SQL 的性能
• 易扩展
• 大读写量，高性能
• 数据模型灵活
• 高可用

NoSQL数据库可以解决SQL数据库巨大数据量下查询缓慢，单一的关系型数据模型难以应对数据种类复杂等情况的问题。

NoSQL适用场景：

• 对数据高并发的读写

• 海量数据的读写

• 对数据高可扩展性

NoSQL不适用场景：

• 需要事务支持

• 基于 sql 的结构化查询存储，处理复杂的关系，需要即席查询

NoSQL的分类

键值对存储数据库

键值型数据库通过 Key-Value 键值的方式来存储数据，Key 作为唯一的标识符，优点是查找速度快，在这方面明显优于关系型数据库，缺点是无法像关系型数据库一样使用条件过滤（比如 WHERE），如果你不知道去哪里找数据，就要遍历所有的键，这就会消耗大量的计算。键值型数据库典型的使用场景是作为内存缓存。

例如：Redis（Redis还支持事务和数据的持久化，能够快速的增删。应用场景有排行榜、秒杀、抽奖。）

Redis

优点：

1.支持多种数据结构，如 string（字符串）、 list(双向链表)、dict(hash表)、set(集合）、zset(排序set)、hyperloglog（基数估算）
2.支持持久化操作，可以进行aof及rdb数据持久化到磁盘，从而进行数据备份或数据恢复等操作，较好的防止数据丢失　　的手段。
3.支持通过Replication进行数据复制，通过master-slave机制，可以实时进行数据的同步复制，支持多级复制和增量复制，master-slave机制是Redis进行HA的重要手段。
4.单线程请求，所有命令串行执行，并发情况下不需要考虑数据一致性问题。
5.支持pub/sub消息订阅机制，可以用来进行消息订阅与通知。
6.支持简单的事务需求，但业界使用场景很少，并不成熟。

缺点：

1.Redis只能使用单线程，性能受限于CPU性能，故单实例CPU最高才可能达到5-6wQPS每秒（取决于数据结构，数据大小以及服务器硬件性能，日常环境中QPS高峰大约在1-2w左右）。
2.支持简单的事务需求，但业界使用场景很少，并不成熟，既是优点也是缺点。
3.Redis在string类型上会消耗较多内存，可以使用dict（hash表）压缩存储以降低内存
耗用。

列存储数据库

列式数据库是相对于行式存储的数据库，Oracle、MySQL、SQL Server 等数据库都是采用的行式存储，而列式数据库是将数据按照列存储到数据库中，这样做的好处是可以大量降低系统的 I/O，适合于分布式文件系统，不足在于功能相对有限。

例如：HBASE是一个高可靠性、高性能、面向列、可伸缩的非关系型数据库，利用 Hadoop 分布式文件系统（Hadoop Distributed File System，HDFS）提供分布式数据存储，一个表可以有上十亿行，上百万列。在实时读写、随机访问超大规模数据集方面十分优秀，多用于数据分析、数据挖掘。

文档存储数据库

文档型数据库可存放并获取文档，可以是XML、JSON等格式。在数据库中文档作为处理信息的基本单位，一个文档就相当于一条记录。文档数据库所存放的文档，就相当于键值数据库所存放的“值”。

例如：MongoDB（MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。Mongo最大的特点是它支持的查询语言非常强大，在海量数据中查询速度非常快，支持分布式文件系统。）

MongoDB

优点：

1.更高的写负载，MongoDB拥有更高的插入速度。
2.处理很大的规模的单表，当数据表太大的时候可以很容易的分割表。
3.高可用性，设置M-S不仅方便而且很快，MongoDB还可以快速、安全及自动化的实现节点
（数据中心）故障转移。
4.快速的查询，MongoDB支持二维空间索引，比如管道，因此可以快速及精确的从指定位置
获取数据。MongoDB在启动后会将数据库中的数据以文件映射的方式加载到内存中。如果内
存资源相当丰富的话，这将极大地提高数据库的查询速度。
5.非结构化数据的爆发增长，增加列在有些情况下可能锁定整个数据库，或者增加负载从而
导致性能下降，由于MongoDB的弱数据结构模式，添加1个新字段不会对旧表格有任何影响，
整个过程会非常快速。
缺点：

1.不支持事务。
2.MongoDB占用空间过大 。
3.MongoDB没有成熟的维护工具。

图形数据库

图形数据库，利用了图这种数据结构存储了实体（对象）之间的关系。图形数据库最典型的例子就是社交网络中人与人的关系，数据模型主要是以节点和边（关系）来实现，特点在于能高效地解决复杂的关系问题。如社交网络中人物之间的关系，如果用关系型数据库则非常复杂，用图形数据库将非常简单。

例如：Neo4j是一款强健的，可伸缩的基于Java语言编写的高性能图数据库。能够高效的解决复杂的数据关系。比如好友推荐、商品推荐等就是使用了基于Neo4j的智能推荐引擎。

搜索引擎数据库

关系型数据库采用了索引提升检索效率，但是针对全文索引效率却较低。搜索引擎数据库是应用在搜索引擎领域的数据存储形式，由于搜索引擎会爬取大量的数据，并以特定的格式进行存储，这样在检索的时候才能保证性能最优。核心原理是“倒排索引”。

例如：Elasticsearch是一个高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据。分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索。实时分析的分布式搜索引擎。可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。