隨著大數(shù)據(jù)時代的到來，越來越多的網(wǎng)站、應用系統(tǒng)需要支撐海量數(shù)據(jù)存儲，高并發(fā)、高可用、高可擴展性等特性要求。

傳統(tǒng)的關系型數(shù)據(jù)庫在應付這些已經(jīng)顯得力不從心，并暴露了許多難以克服的問題。

由此，各種各樣的 NoSQL（Not Only SQL）數(shù)據(jù)庫作為傳統(tǒng)關系型數(shù)據(jù)的一個有力補充得到迅猛發(fā)展。

本文將分析傳統(tǒng)數(shù)據(jù)庫存在的一些問題，以及幾大類 NoSQL 如何解決這些問題，希望給大家提供一些在不同業(yè)務場景下存儲技術(shù)選型方面的參考。

?

傳統(tǒng)數(shù)據(jù)庫的缺點

---

傳統(tǒng)的數(shù)據(jù)庫有如下幾個缺點：

• 大數(shù)據(jù)場景下 I/O 較高，因為數(shù)據(jù)是按行存儲，即使只針對其中某一列進行運算，關系型數(shù)據(jù)庫也會將整行數(shù)據(jù)從存儲設備中讀入內(nèi)存，導致 I/O 較高。

• 存儲的是行記錄，無法存儲數(shù)據(jù)結(jié)構(gòu)。

• 表結(jié)構(gòu) Schema 擴展不方便，如要修改表結(jié)構(gòu)，需要執(zhí)行 DDL(data definition language)，語句修改，修改期間會導致鎖表，部分服務不可用。

• 全文搜索功能較弱，關系型數(shù)據(jù)庫下只能夠進行子字符串的匹配查詢，當表的數(shù)據(jù)逐漸變大的時候，like 查詢的匹配會非常慢，即使在有索引的情況下。況且關系型數(shù)據(jù)庫也不應該對文本字段進行索引。

• 存儲和處理復雜關系型數(shù)據(jù)功能較弱，許多應用程序需要了解和導航高度連接數(shù)據(jù)之間的關系，才能啟用社交應用程序、推薦引擎、欺詐檢測、知識圖譜、生命科學和 IT/網(wǎng)絡等用例。

  然而傳統(tǒng)的關系數(shù)據(jù)庫并不善于處理數(shù)據(jù)點之間的關系。它們的表格數(shù)據(jù)模型和嚴格的模式使它們很難添加新的或不同種類的關聯(lián)信息。

?

NoSQL 解決方案

---

NoSQL，泛指非關系型的數(shù)據(jù)庫，可以理解為 SQL 的一個有力補充。

在 NoSQL 許多方面性能大大優(yōu)于非關系型數(shù)據(jù)庫的同時，往往也伴隨一些特性的缺失，比較常見的是事務庫事務功能的缺失。?

數(shù)據(jù)庫事務正確執(zhí)行的四個基本要素?ACID 如下：

下面介紹 5 大類 NoSQL 數(shù)據(jù)針對傳統(tǒng)關系型數(shù)據(jù)庫的缺點和提供的解決方案：

?

列式數(shù)據(jù)庫

---

列式數(shù)據(jù)庫是以列相關存儲架構(gòu)進行數(shù)據(jù)存儲的數(shù)據(jù)庫，主要適合于批量數(shù)據(jù)處理和即時查詢。

相對應的是行式數(shù)據(jù)庫，數(shù)據(jù)以行相關的存儲體系架構(gòu)進行空間分配，主要適合于小批量的數(shù)據(jù)處理，常用于聯(lián)機事務型數(shù)據(jù)處理。

基于列式數(shù)據(jù)庫的列存儲特性，可以解決某些特定場景下關系型數(shù)據(jù)庫 I/O 較高的問題。

基本原理

傳統(tǒng)關系型數(shù)據(jù)庫是按照行來存儲數(shù)據(jù)庫，稱為“行式數(shù)據(jù)庫”，而列式數(shù)據(jù)庫是按照列來存儲數(shù)據(jù)。

將表放入存儲系統(tǒng)中有兩種方法，而我們絕大部分是采用行存儲的。行存儲法是將各行放入連續(xù)的物理位置，這很像傳統(tǒng)的記錄和文件系統(tǒng)。

列存儲法是將數(shù)據(jù)按照列存儲到數(shù)據(jù)庫中，與行存儲類似。下圖是兩種存儲方法的圖形化解釋：

常見列式數(shù)據(jù)庫

HBase：是一個開源的非關系型分布式數(shù)據(jù)庫（NoSQL），它參考了谷歌的 BigTable 建模，實現(xiàn)的編程語言為 Java。

它是 Apache 軟件基金會的 Hadoop 項目的一部分，運行于 HDFS 文件系統(tǒng)之上，為 Hadoop 提供類似于 BigTable 規(guī)模的服務。因此，它可以容錯地存儲海量稀疏的數(shù)據(jù)。

BigTable：是一種壓縮的、高性能的、高可擴展性的，基于 Google 文件系統(tǒng)（Google File System，GFS）的數(shù)據(jù)存儲系統(tǒng)，用于存儲大規(guī)模結(jié)構(gòu)化數(shù)據(jù)，適用于云端計算。

相關特性

優(yōu)點如下：

高效的儲存空間利用率：列式數(shù)據(jù)庫由于其針對不同列的數(shù)據(jù)特征而發(fā)明的不同算法使其往往有比行式數(shù)據(jù)庫高的多的壓縮率。

普通的行式數(shù)據(jù)庫一般壓縮率在 3：1 ?到 5：1 ?左右，而列式數(shù)據(jù)庫的壓縮率一般在 8：1 到 30：1 ?左右。

比較常見的，通過字典表壓縮數(shù)據(jù)： 下面中才是那張表本來的樣子。經(jīng)過字典表進行數(shù)據(jù)壓縮后，表中的字符串才都變成數(shù)字了。

正因為每個字符串在字典表里只出現(xiàn)一次了，所以達到了壓縮的目的(有點像規(guī)范化和非規(guī)范化 Normalize 和 Denomalize)。

查詢效率高：讀取多條數(shù)據(jù)的同一列效率高，因為這些列都是存儲在一起的，一次磁盤操作可以把數(shù)據(jù)的指定列全部讀取到內(nèi)存中。

下圖通過一條查詢的執(zhí)行過程說明列式存儲(以及數(shù)據(jù)壓縮)的優(yōu)點。

執(zhí)行步驟如下：

• 去字典表里找到字符串對應數(shù)字(只進行一次字符串比較)。

• 用數(shù)字去列表里匹配，匹配上的位置設為 1。?

• 把不同列的匹配結(jié)果進行位運算得到符合所有條件的記錄下標。

• 使用這個下標組裝出最終的結(jié)果集。

列式數(shù)據(jù)庫還適合做聚合操作，適合大量的數(shù)據(jù)而不是小數(shù)據(jù)。

缺點如下：

• 不適合掃描小量數(shù)據(jù)。

• 不適合隨機的更新。

• 不適合做含有刪除和更新的實時操作。

• 單行的數(shù)據(jù)是 ACID 的，多行的事務時，不支持事務的正常回滾，支持 I(Isolation)隔離性(事務串行提交)，D(Durability)持久性，不能保證 A(Atomicity)原子性， C(Consistency)一致性。

使用場景

以 HBase 為例說明：

• 大數(shù)據(jù)量（100s TB級數(shù)據(jù)），且有快速隨機訪問的需求。

• 寫密集型應用，每天寫入量巨大，而相對讀數(shù)量較小的應用，比如 IM 的歷史消息，游戲的日志等等。

• 不需要復雜查詢條件來查詢數(shù)據(jù)的應用，HBase 只支持基于 rowkey 的查詢，對于 HBase 來說，單條記錄或者小范圍的查詢是可以接受的。

  大范圍的查詢由于分布式的原因，可能在性能上有點影響，HBase 不適用于有 join，多級索引，表關系復雜的數(shù)據(jù)模型。

• 對性能和可靠性要求非常高的應用，由于 HBase 本身沒有單點故障，可用性非常高。

• 數(shù)據(jù)量較大，而且增長量無法預估的應用，需要進行優(yōu)雅的數(shù)據(jù)擴展的 HBase 支持在線擴展，即使在一段時間內(nèi)數(shù)據(jù)量呈井噴式增長，也可以通過 HBase 橫向擴展來滿足功能。

• 存儲結(jié)構(gòu)化和半結(jié)構(gòu)化的數(shù)據(jù)。

?

K-V 數(shù)據(jù)庫

---

指的是使用鍵值(key-value)存儲的數(shù)據(jù)庫，其數(shù)據(jù)按照鍵值對的形式進行組織、索引和存儲。

K-V 存儲非常適合不涉及過多數(shù)據(jù)關系業(yè)務關系的數(shù)據(jù)，同時能有效減少讀寫磁盤的次數(shù)，比 SQL 數(shù)據(jù)庫存儲擁有更好的讀寫性能，能夠解決關系型數(shù)據(jù)庫無法存儲數(shù)據(jù)結(jié)構(gòu)的問題。

常見 K-V 數(shù)據(jù)庫

Redis：是一個使用 ANSI C 編寫的開源、支持網(wǎng)絡、基于內(nèi)存、可選持久性的鍵值對存儲數(shù)據(jù)庫。

從 2015 年 6 月開始，Redis 的開發(fā)由 Redis Labs 贊助，而 2013 年 5 月至 2015 年 6 月期間，其開發(fā)由 Pivotal 贊助。

在 2013 年 5 月之前，其開發(fā)由 VMware 贊助。根據(jù)月度排行網(wǎng)站 DB-Engines.com 的數(shù)據(jù)顯示，Redis 是最流行的鍵值對存儲數(shù)據(jù)庫。

Cassandra：Apache Cassandra（社區(qū)內(nèi)一般簡稱為C*）是一套開源分布式 NoSQL 數(shù)據(jù)庫系統(tǒng)。

它最初由 Facebook 開發(fā)，用于儲存收件箱等簡單格式數(shù)據(jù)，集 Google BigTable 的數(shù)據(jù)模型與 Amazon Dynamo 的完全分布式架構(gòu)于一身。

Facebook 于 2008 將 Cassandra 開源，此后，由于 Cassandra 良好的可擴展性和性能，它被 Apple，Comcas，Instagram，Spotify，eBay，Rackspace，Netflix 等知名網(wǎng)站所采用，成為了一種流行的分布式結(jié)構(gòu)化數(shù)據(jù)存儲方案。

LevelDB：是一個由 Google 公司所研發(fā)的鍵／值對（Key/Value Pair）嵌入式數(shù)據(jù)庫管理系統(tǒng)編程庫， 以開源的 BSD 許可證發(fā)布。

相關特性

以 Redis 為例，K-V 數(shù)據(jù)庫優(yōu)點如下：?

• 性能極高：Redis 能支持超過 10W 的 TPS。

• 豐富的數(shù)據(jù)類型：Redis 支持包括 String，Hash，List，Set，Sorted Set，Bitmap 和 Hyperlog。

• 豐富的特性：Redis 還支持 publish/subscribe，通知，key 過期等等特性。

缺點如下：

• 針對 ACID，Redis 事務不能支持原子性和持久性(A 和 D)，只支持隔離性和一致性(I 和 C) 。

特別說明一下，這里所說的無法保證原子性，是針對 Redis 的事務操作，因為事務是不支持回滾（roll back），而因為 Redis 的單線程模型，Redis 的普通操作是原子性的。

大部分業(yè)務不需要嚴格遵循 ACID 原則，例如游戲?qū)崟r排行榜，粉絲關注等場景，即使部分數(shù)據(jù)持久化失敗，其實業(yè)務影響也非常小。因此在設計方案時，需要根據(jù)業(yè)務特征和要求來做選擇。

使用場景

適用場景：

• 儲存用戶信息(比如會話)、配置文件、參數(shù)、購物車等等。這些信息一般都和 ID（鍵）掛鉤。

不適用場景：

• 需要通過值來查詢，而不是鍵來查詢。Key-Value 數(shù)據(jù)庫中根本沒有通過值查詢的途徑。

• 需要儲存數(shù)據(jù)之間的關系。在 Key-Value 數(shù)據(jù)庫中不能通過兩個或以上的鍵來關聯(lián)數(shù)據(jù)。

• 需要事務的支持。在 Key-Value 數(shù)據(jù)庫中故障產(chǎn)生時不可以進行回滾。

?

文檔數(shù)據(jù)庫

---

文檔數(shù)據(jù)庫（也稱為文檔型數(shù)據(jù)庫）是旨在將半結(jié)構(gòu)化數(shù)據(jù)存儲為文檔的一種數(shù)據(jù)庫。文檔數(shù)據(jù)庫通常以 JSON 或 XML 格式存儲數(shù)據(jù)。

由于文檔數(shù)據(jù)庫的 no-schema 特性，可以存儲和讀取任意數(shù)據(jù)。

由于使用的數(shù)據(jù)格式是 JSON 或者 BSON，因為 JSON 數(shù)據(jù)是自描述的，無需在使用前定義字段，讀取一個 JSON 中不存在的字段也不會導致 SQL 那樣的語法錯誤，可以解決關系型數(shù)據(jù)庫表結(jié)構(gòu) Schema 擴展不方便的問題。

常見文檔數(shù)據(jù)庫

MongoDB：是一種面向文檔的數(shù)據(jù)庫管理系統(tǒng)，由 C++ 撰寫而成，以此來解決應用程序開發(fā)社區(qū)中的大量現(xiàn)實問題。2007 年 10 月，MongoDB 由 10gen 團隊所發(fā)展。2009 年 2 月首度推出。

CouchDB：Apache CouchDB 是一個開源數(shù)據(jù)庫，專注于易用性和成為"完全擁抱 Web 的數(shù)據(jù)庫"。

它是一個使用 JSON 作為存儲格式，JavaScript 作為查詢語言，MapReduce 和 HTTP 作為 API 的 NoSQL 數(shù)據(jù)庫。

其中一個顯著的功能就是多主復制。CouchDB 的第一個版本發(fā)布在 2005 年，在 2008 年成為了 Apache 的項目。

相關特性

以 MongoDB 為例進行說明，文檔數(shù)據(jù)庫優(yōu)點如下：?

• 新增字段簡單，無需像關系型數(shù)據(jù)庫一樣先執(zhí)行 DDL 語句修改表結(jié)構(gòu)，程序代碼直接讀寫即可。

• 容易兼容歷史數(shù)據(jù)，對于歷史數(shù)據(jù)，即使沒有新增的字段，也不會導致錯誤，只會返回空值，此時代碼兼容處理即可。

• 容易存儲復雜數(shù)據(jù)，JSON 是一種強大的描述語言，能夠描述復雜的數(shù)據(jù)結(jié)構(gòu)。

相比傳統(tǒng)關系型數(shù)據(jù)庫，文檔數(shù)據(jù)庫的缺點主要是對多條數(shù)據(jù)記錄的事務支持較弱，具體體現(xiàn)如下：

• Atomicity(原子性)，僅支持單行/文檔級原子性，不支持多行、多文檔、多語句原子性。

• Solation(隔離性)，隔離級別僅支持已提交讀（Read committed）級別，可能導致不可重復讀，幻讀的問題。

• 不支持復雜查詢，例如 join 查詢，如果需要 join 查詢，需要多次操作數(shù)據(jù)庫。

MongonDB 還支持多文檔事務的 Consistency(一致性)和 Durability(持久性)，雖然官方宣布 MongoDB 將在 4.0 版本中正式推出多文檔 ACID 事務支持，最后落地情況還有待見證。

使用場景

適用場景：?

• 數(shù)據(jù)量很大或者未來會變得很大。

• 表結(jié)構(gòu)不明確，且字段在不斷增加，例如內(nèi)容管理系統(tǒng)，信息管理系統(tǒng)。

不適用場景：

• 在不同的文檔上需要添加事務。Document-Oriented 數(shù)據(jù)庫并不支持文檔間的事務。

• 多個文檔之間需要復雜查詢，例如 join。

?

全文搜索引擎

---

傳統(tǒng)關系型數(shù)據(jù)庫主要通過索引來達到快速查詢的目的，在全文搜索的業(yè)務下，索引也無能為力，主要體現(xiàn)在：

• 全文搜索的條件可以隨意排列組合，如果通過索引來滿足，則索引的數(shù)量非常多。

• 全文搜索的模糊匹配方式，索引無法滿足，只能用 like 查詢，而 like 查詢是整表掃描，效率非常低。

而全文搜索引擎的出現(xiàn)，正是解決關系型數(shù)據(jù)庫全文搜索功能較弱的問題。

基本原理

全文搜索引擎的技術(shù)原理稱為“倒排索引”（inverted index），是一種索引方法，其基本原理是建立單詞到文檔的索引。與之相對的是“正排索引”，其基本原理是建立文檔到單詞的索引。

現(xiàn)在有如下文檔集合：

正排索引得到索引如下：

由上可見，正排索引適用于根據(jù)文檔名稱查詢文檔內(nèi)容。簡單的倒排索引如下：

帶有單詞頻率信息的倒排索引如下：?

由上可見，倒排索引適用于根據(jù)關鍵詞來查詢文檔內(nèi)容。

常見全文搜索引擎

Elasticsearch：是一個基于 Lucene 的搜索引擎。它提供了一個分布式，多租戶，能夠全文搜索與生成 HTTP Web 界面和無架構(gòu) JSON 文件。

Elasticsearch 是用 Java 開發(fā)的，并根據(jù) Apache License 的條款作為開源發(fā)布。

根據(jù) DB-Engines 排名，Elasticsearch 是最受歡迎的企業(yè)搜索引擎，后面是基于 Lucene 的 Apache Solr。

Solr：是 Apache Lucene 項目的開源企業(yè)搜索平臺。其主要功能包括全文檢索、命中標示、分面搜索、動態(tài)聚類、數(shù)據(jù)庫集成，以及富文本（如 Word、PDF）的處理。Solr 是高度可擴展的，并提供了分布式搜索和索引復制。

相關特性

以 Elasticsearch 為例，全文搜索引擎優(yōu)點如下：?

• 查詢效率高，對海量數(shù)據(jù)進行近實時的處理。

• 可擴展性，基于集群環(huán)境可以方便橫向擴展，可以承載 PB 級數(shù)據(jù)。

• 高可用，Elasticsearch 集群彈性，他們將發(fā)現(xiàn)新的或失敗的節(jié)點，重組和重新平衡數(shù)據(jù)，確保數(shù)據(jù)是安全的和可訪問的。

缺點如下：

• ACID 支持不足，單一文檔的數(shù)據(jù)是 ACID 的，包含多個文檔的事務時不支持事務的正常回滾，支持 I(Isolation)隔離性（基于樂觀鎖機制的），D(Durability)持久性，不支持 A(Atomicity)原子性，C(Consistency)一致性。

• 對類似數(shù)據(jù)庫中通過外鍵的復雜的多表關聯(lián)操作支持較弱。

• 讀寫有一定延時，寫入的數(shù)據(jù)，最快 1s 中能被檢索到。

• 更新性能較低，底層實現(xiàn)是先刪數(shù)據(jù)，再插入新數(shù)據(jù)。

• 內(nèi)存占用大，因為 Lucene 將索引部分加載到內(nèi)存中。

使用場景

適用場景如下：?

• 分布式的搜索引擎和數(shù)據(jù)分析引擎。

• 全文檢索，結(jié)構(gòu)化檢索，數(shù)據(jù)分析。

• 對海量數(shù)據(jù)進行近實時的處理，可以將海量數(shù)據(jù)分散到多臺服務器上去存儲和檢索。

不適用場景如下：

• 數(shù)據(jù)需要頻繁更新。

• 需要復雜關聯(lián)查詢。

?

圖形數(shù)據(jù)庫

---

圖形數(shù)據(jù)庫應用圖形理論存儲實體之間的關系信息。最常見例子就是社會網(wǎng)絡中人與人之間的關系。

關系型數(shù)據(jù)庫用于存儲“關系型”數(shù)據(jù)的效果并不好，其查詢復雜、緩慢、超出預期。

而圖形數(shù)據(jù)庫的獨特設計恰恰彌補了這個缺陷，解決關系型數(shù)據(jù)庫存儲和處理復雜關系型數(shù)據(jù)功能較弱的問題。

常見圖形數(shù)據(jù)庫

Neo4j：是由 Neo4j，Inc. 開發(fā)的圖形數(shù)據(jù)庫管理系統(tǒng)。由其開發(fā)人員描述為具有原生圖存儲和處理的符合 ACID 的事務數(shù)據(jù)庫，根據(jù) DB-Engines 排名，Neo4j 是最流行的圖形數(shù)據(jù)庫。

ArangoDB：是由 triAGENS GmbH 開發(fā)的原生多模型數(shù)據(jù)庫系統(tǒng)。數(shù)據(jù)庫系統(tǒng)支持三個重要的數(shù)據(jù)模型（鍵/值，文檔，圖形），其中包含一個數(shù)據(jù)庫核心和統(tǒng)一查詢語言 AQL（ArangoDB 查詢語言）。

查詢語言是聲明性的，允許在單個查詢中組合不同的數(shù)據(jù)訪問模式。ArangoDB 是一個 NoSQL 數(shù)據(jù)庫系統(tǒng)，但 AQL 在很多方面與 SQL 類似。

Titan：是一個可擴展的圖形數(shù)據(jù)庫，針對存儲和查詢包含分布在多機群集中的數(shù)百億個頂點和邊緣的圖形進行了優(yōu)化。

Titan 是一個事務性數(shù)據(jù)庫，可以支持數(shù)千個并發(fā)用戶實時執(zhí)行復雜的圖形遍歷。

相關特性

以 Neo4j 為例，Neo4j 使用數(shù)據(jù)結(jié)構(gòu)中圖（graph）的概念來進行建模。Neo4j 中兩個最基本的概念是節(jié)點和邊。

節(jié)點表示實體，邊則表示實體之間的關系。節(jié)點和邊都可以有自己的屬性。不同實體通過各種不同的關系關聯(lián)起來，形成復雜的對象圖。

針對關系數(shù)據(jù)，兩種數(shù)據(jù)庫的存儲結(jié)構(gòu)不同：

Neo4j 中，存儲節(jié)點時使用了“index-free adjacency”，即每個節(jié)點都有指向其鄰居節(jié)點的指針，可以讓我們在 O(1) 的時間內(nèi)找到鄰居節(jié)點。

另外，按照官方的說法，在 Neo4j 中邊是最重要的，即“first-class entities”，所以單獨存儲，這有利于在圖遍歷的時候提高速度，也可以很方便地以任何方向進行遍歷。

優(yōu)點如下：

• 高性能表現(xiàn)，圖的遍歷是圖數(shù)據(jù)結(jié)構(gòu)所具有的獨特算法，即從一個節(jié)點開始，根據(jù)其連接的關系，可以快速和方便地找出它的鄰近節(jié)點。

  這種查找數(shù)據(jù)的方法并不受數(shù)據(jù)量的大小所影響，因為鄰近查詢始終查找的是有限的局部數(shù)據(jù)，不會對整個數(shù)據(jù)庫進行搜索。

• 設計的靈活性，數(shù)據(jù)結(jié)構(gòu)的自然伸展特性及其非結(jié)構(gòu)化的數(shù)據(jù)格式，讓圖數(shù)據(jù)庫設計可以具有很大的伸縮性和靈活性。

  因為隨著需求的變化而增加的節(jié)點、關系及其屬性并不會影響到原來數(shù)據(jù)的正常使用。

• 開發(fā)的敏捷性，直觀明了的數(shù)據(jù)模型，從需求的討論開始，到程序開發(fā)和實現(xiàn)，以及最終保存在數(shù)據(jù)庫中的樣子，它的模樣似乎沒有什么變化，甚至可以說本來就是一模一樣的。

• 完全支持 ACID，不像別的 NoSQL 數(shù)據(jù)庫，Neo4j 還具有完全事務管理特性，完全支持 ACID 事務管理。

缺點如下：

• 具有支持節(jié)點，關系和屬性的數(shù)量的限制。

• 不支持拆分。

使用場景

適用場景如下：

• 在一些關系性強的數(shù)據(jù)中，例如社交網(wǎng)絡。

• 推薦引擎。如果我們將數(shù)據(jù)以圖的形式表現(xiàn)，那么將會非常有益于推薦的制定。

不適用場景如下：

• 記錄大量基于事件的數(shù)據(jù)（例如日志條目或傳感器數(shù)據(jù)）。

• 對大規(guī)模分布式數(shù)據(jù)進行處理，類似于 Hadoop。

• 適合于保存在關系型數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)。

• 二進制數(shù)據(jù)存儲。

?

總結(jié)

---

關系型數(shù)據(jù)庫和 NoSQL 數(shù)據(jù)庫的選型，往往需要考慮幾個指標：?

• 數(shù)據(jù)量

• 并發(fā)量

• 實時性

• 一致性要求

• 讀寫分布和類型

• 安全性

• 運維成本

常見軟件系統(tǒng)數(shù)據(jù)庫選型參考如下：

• 內(nèi)部使用的管理型系統(tǒng)，如運營系統(tǒng)，數(shù)據(jù)量少，并發(fā)量小，首選考慮關系型。

• 大流量系統(tǒng)，如電商單品頁，后臺考慮選關系型，前臺考慮選內(nèi)存型。

• 日志型系統(tǒng)，原始數(shù)據(jù)考慮選列式，日志搜索考慮選倒排索引。

• 搜索型系統(tǒng)，例如站內(nèi)搜索，非通用搜索，如商品搜索，后臺考慮選關系型，前臺考慮選倒排索引。

• 事務型系統(tǒng)，如庫存，交易，記賬，考慮選關系型+緩存+一致性型協(xié)議。

• 離線計算，如大量數(shù)據(jù)分析，考慮選列式或者關系型也可以。

• 實時計算，如實時監(jiān)控，可以考慮選內(nèi)存型或者列式數(shù)據(jù)庫。

在設計實踐中，我們要基于需求、業(yè)務驅(qū)動架構(gòu)，無論選用 RDB/NoSQL/DRDB，一定是以需求為導向，最終數(shù)據(jù)存儲方案必然是各種權(quán)衡的綜合性設計。

?

參考資料：

• 從0開始學架構(gòu) —— Alibaba 李運華

• NoSQL漫談

• 圖形數(shù)據(jù)庫 Neo4j 開發(fā)實戰(zhàn)

• 大數(shù)據(jù)時代的 9 大Key-Value存儲數(shù)據(jù)庫

• 事務—— Redis官方文檔

• MongoDB是如何實現(xiàn)事務的ACID？

• MySQL臟讀、虛讀、幻讀

• 全面梳理關系型數(shù)據(jù)庫和 NoSQL 的使用情景

• 淺析列式數(shù)據(jù)庫的特點

• 一分鐘搞懂列式與行式數(shù)據(jù)庫

• HBase 基本概念

• NoSQL Databases, why we should use, and which one we should choose

• 傳統(tǒng)關系數(shù)據(jù)庫與分布式數(shù)據(jù)庫知識點

總結(jié)

以上是生活随笔為你收集整理的NoSQL还是SQL？这一篇讲清楚的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。