13518219792
如何玩转 NoSQL数据库？作者：IT专家网
创新互联公司2013年至今，是专业互联网技术服务公司，拥有项目成都网站制作、网站设计网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元鼎城做网站,已为上家服务,为鼎城各地企业和个人服务,联系电话:028-86922220
Weather公司CIO Bryson Koehler整理出了MongoDB，Riak和Cassandra等NoSQL数据库的特性。他指出这其中最重要的特性是“NoSQL不会限制住你”。
Weather公司，致力于天气报告和天气预报业务，其并不缺乏数据，当然也不缺乏数据管理工具。但它为什么需要三种不同的NoSQL数据库？
最近，我向Weather 公司的CIO Bryson Koehler提出了这个疑问，除了公司的CIO,Bryson Koehler还是其他很多业务单元的孵化者,包括Weather Channel，WeatherFX，Weather Underground，和Intellicast等。Weather公司每天获取和处理着约20万亿字节数据，对外提供当前全球天气状况，并为航空公司，紧急服务，货运商，公用事业，保险，以及在线天气网站和天气应用程序的用户提供天气预报服务。每天需求增加了数十亿的天气数据请求，并且预期响应时间要在10毫秒左右。
Riak是Weather 公司的后台NoSQL数据库，服务于公司的事务性存储公用网络(SUN)数据获取平台，它运行在多个亚马逊网络服务(AWS)的可用区域上，并以每小时15次的频率捕获超过20亿气象数据信息，。所以，Riak具有明确的处理规模，但该公司也使用Cassandra以及新近添加的MongoDB数据库，为Weather.com 上IOS和Android移动应用程序服务。
Weather 公司使用了不同的产品，Koehler解释说，因为“不同的工具有不同的优势。
Cassandra，它服务于Weather 公司以及全球消费者使用的第三方天气应用的API数据：“我们的数据分发平台每秒处理数十万的事务，我们发现Cassandra在用于全球分发数据上是一个很棒的解决方案，并且在[数据库]读取方面体现出很高的可用性 “。它本质上为全球各地消费者所使用的数据服务，包括Weather 公司和第三方的天气应用程序。
MongoDB，它提供了Weather.com网站和移动应用程序的中间层缓存功能：“离开我们的核心API，我们还没有全部Weather.com内容，所以MongoDB是容器和分发站，为Weather.com以及Android和iOS上的移动应用程序服务。Mongo有很多好处，这些好处基于其内建的JSON格式以及灵活性上。“
Riak，用于消费气象数据和观测，包括来自世界各地的图片和视频等：“我们喜爱Riak因其优秀的数据摄取能力，而且是以一种全球分布式的方式来实现。这对于从全球分布式平台上获取数据的入站式数据库是一个真正可靠的选择。
我曾听说Datastax，Basho和Couchbase的高管贬低MongoDB的可扩展性，但MongoDB指向大规模部署，在Facebook对超过200万台移动设备上应用程序提供支持，在eHarmony公司，MongDB每天处理着数十亿的潜在比赛预约。据Koehle所述，MongoDB为Weather.com和Weather.com移动应用程序处理着“每天十亿交易”，“毫无疑问，你可以通过配置和部署Mongo来处理大批量的交易数据。”
尽管如此，Koehler承认，他将“很乐于看到MongoDB继续使全球集群和多位置[功能]更加无缝化且易于使用。” 这些属于全球性的分布式集群，复制和负载平衡是Cassandra和Riak众所周知的功能。
从规模讨论的角度来看，很少有公司达到Weather公司的经营规模。易于开发，架构灵活性和JSON数据处理使得MongoDB的成为世界上最流行的NoSQL数据库。这就是为什么微软和IBM都进行了MongoDB的模仿，如微软的Azure DocumentDB和IBM的 Cloudant，而不是Cassandra和Riak。
Weather公司可以从三个NoSQL标准降低至两个的过程中得到巩固，Koehler说，但公司没有准备好这么做。
“由于我们构造了由许多不同的数据解决方案组成的网状结构，我们目前的环境已过于复杂，”他说。“我们希望给团队一些自由的空间，让我们可以了解所有选择的利弊，但你将会看到一些整合。”
到了那个时候，迁移将不在是一件难事，因为“关于NoSQL数据库最重要的事情是，你不会被困在其中，” Koehler说。“如果你的架构和编码正确，从一个数据库迁移到另一个并不难。随着模式的自由以及数据转存技术的发展，无论前者是一个key-value存储或其他什么形式，转储数据都将十分容易。“
对特定产品进程自定义编码的复杂的存储过程已经一去不复返了，Koehler说，但关于“结构化和编码正确”还有很多需要考虑的地方?这样做是为了避免特殊供应商提供的工具和功能可能让你身陷其中。他举了亚马逊网络服务“(AWS)的消息服务为例。
“你不必让服务在云中运行，”他解释说。“你可以只部署自己的RabbitMQ的环境，而不是陷于其中，所以你可以将一个原先部署在AWS 上的应用程序转而部署在谷歌计算云服务上。无论它是数据平台，存储环境，或云计算环境，都要小心别让自己局限在一个仅由一个供应商提供的小范围空间内“。
转载
2. 什么是NoSQL？
2.1 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。随着互联网web2.0网站的兴起，传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题，包括超大规模数据的存储。
（例如谷歌或Facebook每天为他们的用户收集万亿比特的数据）。这些类型的数据存储不需要固定的模式，无需多余操作就可以横向扩展。
2.2 NoSQL代表
MongDB、 Redis、Memcache
3. 关系型数据库与NoSQL的区别？
3.1 RDBMS
高度组织化结构化数据
结构化查询语言（SQL）
数据和关系都存储在单独的表中。
数据操纵语言，数据定义语言
严格的一致性
基础事务
ACID
关系型数据库遵循ACID规则
事务在英文中是transaction，和现实世界中的交易很类似，它有如下四个特性：
A (Atomicity) 原子性
原子性很容易理解，也就是说事务里的所有操作要么全部做完，要么都不做，事务成功的条件是事务里的所有操作都成功，只要有一个操作失败，整个事务就失败，需要回滚。比如银行转账，从A账户转100元至B账户，分为两个步骤：1）从A账户取100元；2）存入100元至B账户。这两步要么一起完成，要么一起不完成，如果只完成第一步，第二步失败，钱会莫名其妙少了100元。
C (Consistency) 一致性
一致性也比较容易理解，也就是说数据库要一直处于一致的状态，事务的运行不会改变数据库原本的一致性约束。
I (Isolation) 独立性
所谓的独立性是指并发的事务之间不会互相影响，如果一个事务要访问的数据正在被另外一个事务修改，只要另外一个事务未提交，它所访问的数据就不受未提交事务的影响。比如现有有个交易是从A账户转100元至B账户，在这个交易还未完成的情况下，如果此时B查询自己的账户，是看不到新增加的100元的
D (Durability) 持久性
持久性是指一旦事务提交后，它所做的修改将会永久的保存在数据库上，即使出现宕机也不会丢失。
3.2 NoSQL
代表着不仅仅是SQL
没有声明性查询语言
没有预定义的模式
键 - 值对存储，列存储，文档存储，图形数据库
最终一致性，而非ACID属性
非结构化和不可预知的数据
CAP定理
高性能，高可用性和可伸缩性
分布式数据库中的CAP原理(了解)
CAP定理：
Consistency(一致性), 数据一致更新，所有数据变动都是同步的
Availability(可用性), 好的响应性能
Partition tolerance(分区容错性) 可靠性
P: 系统中任意信息的丢失或失败不会影响系统的继续运作。
定理：任何分布式系统只可同时满足二点，没法三者兼顾。
CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，
因此，根据 CAP 原理将 NoSQL 数据库分成了满足 CA 原则、满足 CP 原则和满足 AP 原则三 大类：
CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。
CP - 满足一致性，分区容忍性的系统，通常性能不是特别高。
AP - 满足可用性，分区容忍性的系统，通常可能对一致性要求低一些。
CAP理论就是说在分布式存储系统中，最多只能实现上面的两点。
而由于当前的网络硬件肯定会出现延迟丢包等问题，所以分区容忍性是我们必须需要实现的。
所以我们只能在一致性和可用性之间进行权衡，没有NoSQL系统能同时保证这三点。
说明：C：强一致性 A：高可用性 P：分布式容忍性
举例：
CA：传统Oracle数据库
AP：大多数网站架构的选择
CP：Redis、Mongodb
注意：分布式架构的时候必须做出取舍。
一致性和可用性之间取一个平衡。多余大多数web应用，其实并不需要强一致性。
因此牺牲C换取P，这是目前分布式数据库产品的方向。
4. 当下NoSQL的经典应用
当下的应用是 SQL 与 NoSQL 一起使用的。
代表项目：阿里巴巴商品信息的存放。
去 IOE 化。
ps：I 是指 IBM 的小型机，很贵的，好像好几万一台；O 是指 Oracle 数据库，也很贵的，好几万呢；M 是指 EMC 的存储设备，也很贵的。
难点：
数据类型多样性。
数据源多样性和变化重构。
数据源改造而服务平台不需要大面积重构。
No SQL DB是一种和关系型数据库相对应的对象数据库。按照数据模型保存性质将当前NoSQL分为四种：
1.Key-value stores键值存储, 保存keys+BLOBs
2.Table-oriented 面向表, 主要有Google的BigTable和Cassandra.
3.Document-oriented面向文本, 文本是一种类似XML文档，MongoDB 和 CouchDB
4.Graph-oriented 面向图论. 如Neo4J.
关系型数据库的弊端：
关系型数据库的历史已经有30余年了，因此，在某些情况下，关系型数据库的弱点就会暴露出来：
1. “对象-关系 阻抗不匹配”。关系模型和面向对象模型在概念上存在天然的不匹配的地方，比如对象模型当中特有的“继承”，“组合”，“聚合”，“依赖”的概念在关系模型当中是不存在的。
2. “模式演进”。即随着时间的推移，需要对数据库模式进行调整以便适应新的需求，然而，对数据库模式的调整是的成本很高的动作，因此很多设计师在系统设计之初会设计一个兼容性很强的数据库模式，以应对将来可能出现的需求，然而在现在的web系统开发过程中，系统的变更更加频繁，几乎无法预先设计出一种“万能”的数据库模式以满足所有的需求，因此 模式演进的弊端就愈发凸显。
3. 关系型数据库处理 稀疏表时的性能非常差。
4. networkoriented data 很适合处理 人工智能、社交网络中的一些需求。
所以，各种各样的No SQL DB 出现了，这里只简单介绍下Neo4J 的基本知识。
Neo 数据模型
Neo4J 是一个基于图实现的No SQL DB, 其基本的数据类型有如下几种：
Node, Relationship, Property.
Node 对应于图中的 节点，Relationship 对应图中的边，Node 和 Relationship 都可以拥有Property，
Property 的数据结构为。
数据遍历
Neo 提供了Traverser对数据中的数据进行遍历。
nosql数据库的四种类型如下：
1.key-value键值存储数据库:
相关产品: Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached.
主要应用: 内容缓存,处理大量数据的高负载访问,也用于系统日志。
优点:查找速度快,大量操作时性能高。
2.列存储数据库:
相关产品: BigTable、HBase、Cassandra、HadoopDB、GreenPlum、PNUTS.
主要应用: 分布式数据的储存与管理。
优点:查找速度快,可扩展性强,容易进行分布式扩展。
缺点:功能相对局限。
3.文档型数据库
相关产品:MongoDB、CouchDB、ThruDB、CloudKit、Perservere、Jackrabbit.
主要应用: web应用,管理面向文档的数据或者类似的半结构化数据。
优点:数据结构灵活,表结构可变,复杂性低。
缺点:查询效率低,且缺乏统一的查询语言。
4.Graph图形数据库
相关产品: Neo4J、OrientDB、InfoGrid、GraphDB.
主要应用: 复杂,互连接,低结构化的图结构场合, 专注构建关系图谱。
优点: 利用图结构相关算法, 可用于构建复杂的关系图谱。
缺点: 复杂度高。
Web1.0的时代，数据访问量很有限，用一夫当关的高性能的单点服务器可以解决大部分问题。
随着Web2.0的时代的到来，用户访问量大幅度提升，同时产生了大量的用户数据。加上后来的智能移动设备的普及，所有的互联网平台都面临了巨大的性能挑战。
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。因此大大的增加了数据库的扩展能力。
Memcache Memcache Redis Redis MongoDB MongoDB 列式数据库 列式数据库 Hbase Hbase
HBase是Hadoop项目中的数据库。它用于需要对大量的数据进行随机、实时的读写操作的场景中。
HBase的目标就是处理数据量非常庞大的表，可以用普通的计算机处理超过10亿行数据，还可处理有数百万列元素的数据表。
Cassandra Cassandra
Apache Cassandra是一款免费的开源NoSQL数据库，其设计目的在于管理由大量商用服务器构建起来的庞大集群上的海量数据集(数据量通常达到PB级别)。在众多显著特性当中，Cassandra最为卓越的长处是对写入及读取操作进行规模调整，而且其不强调主集群的设计思路能够以相对直观的方式简化各集群的创建与扩展流程。
主要应用：社会关系，公共交通网络，地图及网络拓谱(n*(n-1)/2)
