常见的NoSQL数据库及相关介绍

NoSQL数据库（Not Only SQL），NoSQL，泛指非关系型的数据库。

一、NoSQL数据库的四大分类

1、键值(Key-Value)存储数据库

这一类数据库主要会使用到一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。Key/value模型对于IT系统来说的优势在于简单、易部署。但是如果DBA只对部分值进行查询或更新的时候，Key/value就显得效率低下了。举例如：Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB.

2、列存储数据库。

这部分数据库通常是用来应对分布式存储的海量数据。键仍然存在，但是它们的特点是指向了多个列。这些列是由列家族来安排的。如：Cassandra, HBase, Riak.

3、文档型数据库

文档型数据库的灵感是来自于Lotus Notes办公软件的，而且它同第一种键值存储相类似。该类型的数据模型是版本化的文档，半结构化的文档以特定的格式存储，比如JSON。文档型数据库可 以看作是键值数据库的升级版，允许之间嵌套键值。而且文档型数据库比键值数据库的查询效率更高。如：CouchDB, MongoDb. 国内也有文档型数据库SequoiaDB，已经开源。

4、图形(Graph)数据库

图形结构的数据库同其他行列以及刚性结构的SQL数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。NoSQL数据库没有标准的查询语言(SQL)，因此进行数据库查询需要制定数据模型。许多NoSQL数据库都有REST式的数据接口或者查询API。如：Neo4J, InfoGrid, Infinite Graph.

因此，我们总结NoSQL数据库在以下的这几种情况下比较适用：1、数据模型比较简单；2、需要灵活性更强的IT系统；3、对数据库性能要求较高；4、不需要高度的数据一致性；5、对于给定key，比较容易映射复杂值的环境。

二、NoSQL数据库的四大分类表格分析

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)数据库	Neo4J, InfoGrid, Infinite Graph	社交网络，推荐系统等。专注于构建关系图谱	图结构	利用图结构相关算法。比如最短路径寻址，N度关系查找等	很多时候需要对整个图做计算才能得出需要的信息，而且这种结构不太好做分布式的集群方案。

三、适用场景

NoSQL数据库在以下的这几种情况下比较适用：

1、数据模型比较简单；

2、需要灵活性更强的IT系统；

3、对数据库性能要求较高；

4、不需要高度的数据一致性；

5、对于给定key，比较容易映射复杂值的环境。

 

四、常见NoSql数据库

据说现在已经有上百种NoSQL数据库了，下面来了解下常见的一些NoSQL数据库

先来看张表，了解下典型的NoSQL数据库的分类：

临时性键值存储	永久性键值存储	面向文档的数据库	面向列的数据库
Memcached	Tokyo Tyrant	MangoDB	Cassandra
Redis	Flare	CouchDB	HBase
	ROMA		HyperTable
	Redis

 

 

 

Memcached

• 挥发性(临时性)的键值存储
• 一般作为关系型数据库的缓存来使用
• 具有非常快的处理速度
• 由于存在数据丢失的可能，所以一般用来处理不需要持久保存的数据
• 用于需要使用expires时(需要定期清除数据)
• 使用一致性散列(Consistent Hashing)算法来分散数据

Tokyo Tyrant

• 持久性的键值存储
• 用来处理需要持久保存，高速处理的数据
• 具有非常快的处理速度
• 用于不需要定期清除的数据
• 使用一致性散列(Consistent Hashing)算法来分散数据

Redis

• 兼具Memcached和Tokyo Tyrant优势的键值存储
• 擅长处理数组类型的数据
• 具有非常快的处理速度
• 可以高速处理时间序列的数据，易于处理集合运算
• 拥有很多可以进行原子操作的方法
• 使用一致性散列(Consistent Hashing)算法来分散数据

MongoDB

• 面向无需定义表结构的文档数据
• 具有非常快的处理速度
• 通过BSON的形式可以保存和查询任何类型的数据
• 无法进行JOIN处理，但是可以通过嵌入(embed)来实现同样的功能
• 使用sharding(范围分割)算法来分散数据

 

上面多次提到了一致性散列，那到底什么是一致性散列呢？请参考这里 ，我就不赘述了

不过，当server数量很少时，很可能他们在圆周上的分布不是特别均匀，
导致cache不能均匀分布到所有的server上。

这时候，就该请出虚拟节点了
为每个物理节点（服务器）在圆上分配100～200个点，

这样就能抑制分布不均匀，最大限度地减小服务器增减时的缓存重新分布，

用户数据映射在虚拟节点上，就表示用户数据真正存储位置是在该虚拟节点代表的实际物理服务器上。