NoSQl概述

书山有路勤为径，学海无涯苦作舟

NoSQL

了解NoSQL演变

1、单机MySQL时代

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！
那个时候，更多的去使用静态网页Html～服务器没有太大的压力！
思考一下，这种情况下：整个网站的瓶颈是什么？
1、数据量太大，一个机器放不下
2、数据索引(B+Tree)，一个机器内存放不下
3、访问量(读写混合)，一个服务器承受不了
只要开始出现以上三种情况之一，那么就需要晋级

2、Memcached(缓存)+MySQL+垂直拆分

网站80%的情况下都是在读，每次都要去查询数据库的话就十分麻烦！所以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(当时最热门技术！)

3、分库分表+水平拆分+MySQL集群

本质：数据库(读、写)
早些年MyISAM：表锁，十分影响效率！高并发下会出现严重的锁问题
之后转战Innodb行锁，然后慢慢使用mysql分库分表解决写的压力，后来推出MySQL的集群，满足了那个年代的需求

4、最近年代

2010-2020年间，世界发生了翻天覆地的变化;(定位、音乐、热榜)
MySQL等关系型数据库不够用，数据量很大，而且变化很快
MySQL有的使用它来存储一些比较大的文件，博客，图片。数据库表很大效率降低，如果有一种数据库专门来处理这种数据，MySQL压力就变的十分小。

5、为什么用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、用户的日志模式等等爆发式增长
这个时候我们就需要使用NoSQL数据库，NoSQL可以很好的处理以上情况！

什么是NoSQL

1、NoSQL

NoSQL = Not Only SQL(不仅仅是SQL)
关系型数据库：表格、行、列
泛指非关系型数据库，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！不需要越多的操作就可以横向扩展。Map<String,Object>使用键值对来控制！

2、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11万次，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)
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
- 数据操作，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
- 简直对存储，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
- 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、试试Velocity
大数据时代的3高：主要是对程序的要求
1、高并发
2、高可扩
3、高性能

NoSQL的四大分类

KV键值对：

• 新浪：Redis
• 美团：Redis+Tair
• 阿里、百度：Redis+memcache

文档型数据库(bson格式和json一样)：

• MongoDB(一般必须掌握)
• • 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
  ** 图形关系数据库 **
• 他不是存图行，放的是关系，比如：朋友圈社交网络，广告推荐！
• Neo4j，InfoGrid

四者对比

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	Neo4J，InfoGrid，Infunite Graph	社交网络，推荐系统等，专注于构建	图结构	利用图结构相关算法	很多时候需要对整个图做计算