技术分享｜SQL和 NoSQL数据库之间的差异：MySQL（VS）MongoDB

在当今市场上，存在各种类型的数据库，选择适合你业务类型的数据库对应用的开发和维护有着重要意义。本篇文章，将为大家分享SQL和NoSQL语言之间的区别，同时还将比较这两种类型的数据库，以帮助小伙伴们选择最适合你业务类型的数据库。

ONE ——什么是SQL和NoSQL

一、什么是SQL？

结构化查询语言（Structured Query Language）简称SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。该语言以表格的形式从结构化数据格式中操作和检索数据。

二、什么是NoSQL？

NoSQL，泛指非关系型的数据库，提供了一种存储和检索非结构化数据的机制。这种类型的数据库可以处理大量数据，并具有动态模式。因此，NoSQL数据库没有特定的查询语言，没有或只有很少的关系，但是数据以集合和文档的格式存储。

如上图是一个Employee数据库，其中有2个集合，即Employee和Projects。现在这些集合中的每一个都有文档，这些文档基本上是数据值。因此，您可以假设集合是你的表，文档是你在表中的字段。

TWO ——SQL VS NoSQL

针对SQL和NoSQL的区别，将基于不同的方面进行比较：

一、数据库类型

SQL之所以称为关系型数据库，是因为它将结构化数据组织定义为行和列，每个表都与数据库中的其他表相关。

另一方面，NoSQL被称为非关系数据库，这是因为数据以集合的形式存储，它们之间没有或只有很少的关系。

二、Schema架构

SQL需要用到结构化数据的预定义架构。因此，在开始使用SQL提取和操作数据之前，需要确保以表的形式预定义数据结构。

但是，NoSQL具有用于非结构化数据的动态架构。因此，如果您使用NoSQL数据库，则不存在预定义的架构，数据的完整架构完全取决于您希望存储数据的方式，即您想将哪些字段存储在文档和集合中。

三、数据库类别

SQL数据库是基于表格的数据库。因此您可以有n个相互关联的表，并且每个表可以具有行和列，这些行和列将数据存储在表的每个单元格中。

而NoSQL数据库则具有以下几类数据库：

文档数据库–将每个密钥与称为文档的复杂数据结构配对。它可以包含许多不同的键值对，甚至嵌套的文档；
键值存储–它们是最简单的NoSQL数据库。数据库中的每一项都作为属性名称或键及其值存储。
图形存储–它们用于存储有关网络的信息，例如社交关系。图形存储包括Neo4J和HyperGraphDB。
宽列存储– Cassandra和HBase等宽列存储针对大型数据集的查询进行了优化，并将数据列而不是行存储在一起。

因此，SQL数据库以表的形式存储数据，而NoSQL数据库以键值对，文档，图形数据库或宽列存储的形式存储数据。

四、复杂查询

与NoSQL相比，SQL更适合复杂的查询环境，因为SQL数据库中的架构是结构化的，并且数据以表格格式存储。因此，即使您希望将嵌套查询与外部查询中的许多子查询一起应用，也可以通过使用适当的表名和列名轻松进行。NoSQL数据库不适用于复杂查询的原因是因为NoSQL数据库不是以SQL之类的标准语言查询的。

五、分层数据存储

与SQL数据库相比，NoSQL更适合分层存储。

这是因为随着表数量的增加，维护它们之间关系的复杂性也不断增加。因此在这种情况下，您无法将大量的表彼此关联在一起。但是当您考虑使用NoSQL数据库时，这种数据库更适合分层数据存储，因为它遵循类似于JSON数据的键值对存储方式。

六、可扩展性

SQL数据库是垂直可伸缩的。您可以通过优化硬件（例如增加CPU，RAM，SSD等）来平衡数据服务器的负载。

另一方面，NoSQL数据库是水平可伸缩的。您可以通过向集群添加更多服务器以处理大量流量来执行负载平衡。

七、语言
SQL数据库有特定的语言，不会因为数据库不同而不同。NoSQL数据库没有特定的语言用于查询，会随数据库的变化而变化。在NoSQL数据库中，查询主要集中在文档集合上，该语言称为UnQL（非结构化查询语言）。

八、在线处理

在比较SQL和NoSQL时，基于此因素， SQL数据库用于重事务型应用程序。这是因为SQL提供了数据的原子性，完整性和稳定性。您也可以将NoSQL用于事务目的，但是在高负载和复杂的事务应用程序中，它仍然不够稳定。因此，SQL主要用于OLTP（在线事务处理），而NoSQL主要用于OLAP（在线分析处理）。

九、基本属性

SQL数据库基于ACID属性（原子性，一致性，隔离性和持久性），而NoSQL数据库基于Brewers CAP定理（一致性，可用性和分区容限）。首先让我解释一下ACID属性：

原子性：原子性是指完全完成或失败的事务，其中事务是指数据的单个逻辑操作。这意味着，如果任何事务的一部分失败，则整个事务都会失败，并且数据库状态将保持不变。
一致性：一致性可确保数据必须符合所有验证规则。简而言之，您可以说您的事务永远不会离开数据库而不完成其状态。
隔离：隔离的主要目标是并发控制。
持久性：持久性意味着如果事务已提交，则事务之间可能发生任何事情，例如断电，崩溃或任何类型的错误。

谈到CAP定理，Brewers CAP定理指出，数据库最多只能实现以下三个保证中的两个：一致性，可用性和分区容限。这里

一致性：所有节点同时看到相同的数据。
可用性：确保每个请求是否成功失败。
分区容限：保证即使消息丢失或系统部分故障，系统是否仍可继续运行。

NoSQL不能同时提供一致性和高可用性。

十、外部支持

自从SQL诞生超过40年以来，所有SQL供应商都提供了出色的支持。但是，对于某些NoSQL数据库，是有限制的，您仍然必须依靠社区支持来部署大规模的NoSQL。这是因为NoSQL于2000年代末期出现，人们尚未对其进行太多

THREE——MySQL VS MongoDB

目前我们已经了解了SQL和MySQL之间的区别，下面将通过分享两者中最受欢迎的数据库MySQL和MongoDB来更深入的认识他们。

一、什么是MySQL？

MySQL是可在许多平台上运行的开源关系数据库管理系统。它提供了多用户访问、支持许多存储引擎。

以下是MySQL的功能：

易于管理 – 该软件非常容易下载，并使用事件计划程序自动计划任务。
强大的事务支持–拥有ACID（原子性，一致性，隔离性，耐久性）属性，还允许分布式多版本支持。
全面的应用程序开发– MySQL具有用于将数据库嵌入任何应用程序的插件库。它还支持用于应用程序开发的存储过程，触发器，函数，视图等。
高性能–为快速加载实用程序提供独特的内存缓存和表索引分区。
较低的拥有成本–这减少了成本和硬件支出。
开源和24 * 7支持–该RDBMS可以在任何平台上使用，并为开源和企业版提供24 * 7支持。
安全数据保护 – MySQL支持强大的机制，以确保只有授权用户才能访问数据库。
高可用性 – MySQL可以运行高速主/从复制配置，并提供集群服务器。
可伸缩性和灵活性–使用MySQL，您可以运行深度嵌入式应用程序，并创建包含大量数据的数据仓库。

二、什么是MongoDB？MongoDB是一个非关系数据库，用于将数据存储在文档中。这种类型的数据库将相关信息存储在一起，以进行快速查询处理。

MongoDB的功能如下：

索引：创建索引是为了提高搜索性能。
复制：MongoDB将数据分布在不同的计算机上。
临时查询：它通过为BSON文档建立索引并使用唯一的查询语言来支持临时查询。
无模式：由于它的无模式数据库是用C ++编写的，因此非常灵活。
分片：MongoDB使用分片来启用具有非常大的数据集和高吞吐量操作的部署。

下面我们看看这两个数据库之间的区别：

1、查询语言

MySQL使用结构化查询语言（SQL）。该语言很简单，主要由DDL，DML DCL和TCL命令组成，以检索和处理数据。另一方面，MongoDB使用非结构化查询语言。因此，查询语言基本上是MongoDB查询语言。请参考下图：

2、模式的灵活性

MySQL具有结构化数据架构的灵活性，因为您只需要清楚地定义表和列即可。另一方面，MongoDB对模式设计没有任何限制。您可以直接提及集合中的几个文档，而这些文档之间没有任何关系。但是，MongoDB的唯一问题是您需要根据访问数据的方式来优化架构。

3、关系处理

MySQL借助JOIN语句支持关系，但MongoDB不支持JOIN语句。但是，它支持将一个文档放在另一个文档（也称为文档嵌入）和多维数据类型（例如数组）内。

4、安全
MySQL基本上使用基于特权的安全模型。这种安全模型对用户进行身份验证，并在特定数据库上促进用户特权。另一方面，MongoDB使用基于角色的访问控制以及一组灵活的特权，这些特权提供诸如授权和身份验证之类的安全功能。

5、表现当考虑使用大型数据库时，与MongoDB相比，MySQL的运行速度很慢。这主要是由于MySQL无法用于大量和非结构化的数据。但是，MongoDB具有处理大型非结构化数据的能力。因此，它比考虑大型数据库的MySQL更快，因为它允许用户以减少服务器负载的方式进行查询。注意：并没有硬性规定，即MongoDB始终会为您的数据提供更快的速度，这完全取决于您的数据和基础架构。

6、复写

MySQL支持主从复制和主主复制。另一方面，MongoDB支持内置的复制，分片和自动选择。因此，借助MongoDB中的自动选择，您可以设置另一个数据库或辅助数据库，以在主数据库发生故障时自动接管。

7、用法

您可以参考下图以了解在哪里使用MySQL和MongoDB：

MySQL	MongoDB
最适合包含表和行的数据	最适合非结构化数据
适用于小型数据集	适用于大型数据集
经常更新	高写入负载
强烈依赖多行交易	不稳定环境中的高可用性
修改大量记录	基于数据位置