常见的NoSQL数据库介绍

目录

一、NoSQL概述

二、为什么用NoSQL 

三、NoSQL特点 

四、NoSQL的分类

五、NoSQL适用场景

六、NoSQL不适用场景

---

一、NoSQL概述

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，而以简单的key-value模式存储（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

二、为什么用NoSQL 

传统的关系型数据库如MySQL、SQL Server、Oracle等都是将复杂的数据结构归结为简单的二元关系（即二维表形式），能够使用SQL语句进行复杂的查询并且支持事务。但是随着互联网web2.0网站的兴起，传统的关系数据库在处理web2.0网站，特别是超大规模和高并发的社交网络类型的web2.0纯动态网站，面临着很多诸如在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。这时就需要用到NoSQL数据库了。

NoSQL 对 SQL 做出了很好的补充。在实际开发中，有很多业务需求，并不需要完整的关系型数据库功能，非关系型数据库的功能就足够使用了。这种情况下，使用性能更高、成本更低的非关系型数据库当然是更明智的选择。比如：日志收集、排行榜、定时器等。

三、NoSQL特点 

• 易扩展

NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性。数据之间无关系，这样就非常容易扩展。

• 大数据量，高性能

NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀。这得益于它的无关系性，数据库的结构简单。（Redis 一秒写8万次，读取11万，NoSQL的缓存记录级是细粒度的缓存，性能会比较高）

• 灵活的数据模型

NoSQL无须事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情。如果是非常大数据量的表，增加字段将会非常复杂且消耗时间，这点在大数据量的Web 2.0时代尤其明显。

• 高可用

NoSQL在不太影响性能的情况，就可以方便地实现高可用的架构。比如Cassandra、HBase模型，通过复制模型也能实现高可用。

四、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。）

• 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。

• 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。）

• 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”。

     （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。）

• HBASE

       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。

• 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。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。

五、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

六、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

注：即席查询（Ad Hoc）是用户根据自己的需求，灵活的选择查询条件，系统能够根据用户的选择生成相应的统计报表。