转 如何选择最适合你的NoSQL数据库
当下NoSQL产品类型繁多，各有各的特点，再加上关系型数据库，貌似我们可选择的东西太多了。如诗言“乱花渐欲迷人眼”，在我们选择存储产品的时候，应该从哪些方面进行考量呢？下面一篇文章对当前的NoSQL产品进行了分类对比，列出了各家特点，有一定的指导意义。
NoSQL四大类
1.key-value存储
| Examples | Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB |
| 典型应用场景 | 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。 |
| 数据模型 | Key 指向 Value 的键值对，通常用hash table来实现 |
| 强项 | 查找速度快 |
| 弱项 | 数据无结构化，通常只被当作字符串或者二进制数据 |
2.列式数据库
| Examples | Cassandra, HBase, Riak |
| 典型应用场景 | 分布式的文件系统 |
| 数据模型 | 以列簇式存储，将同一列数据存在一起 |
| 强项 | 查找速度快，可扩展性强，更容易进行分布式扩展 |
| 弱项 | 功能相对局限 |
3.文档型数据库
| Examples | CouchDB, MongoDb |
| 典型应用场景 | Web应用（与Key-Value类似，Value是结构化的，但数据库能够了解Value的内容） |
| 数据模型 | Key-Value对应的键值对，Value为结构化数据 |
| 强项 | 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 |
| 弱项 | 查询性能不高，而且缺乏统一的查询语法。 |
4.图结构数据库
| Examples | Neo4J, InfoGrid, Infinite Graph |
| 典型应用场景 | 社交网络，推荐系统等。专注于构建关系图谱 |
| 数据模型 | 图结构 |
| 强项 | 利用图结构相关算法。比如最短路径寻址，N度关系查找等 |
| 弱项 | 很多时候需要对整个图做计算才能得出需要的信息，不利于分布式的集群方案。 |
综合RDBMS的考量：
| NoSQL | Storage should be able to deal with very high load You do many write operations on the storage You want storage that is horizontally scalable Simplicity is good, as in a very simple query language (without joins) |
| RDBMS | Storage is expected to be high-load, too, but it mainly consists of read operations You want to performance over a more sophisticated data structure You need powerful SQL query language |
典型NoSQL应用
1.Cascading：Cascading是基于Hadoop集群之上的数据处理API。它通过实现了丰富的功能化API，使你不需要接触MapReduce任务就能使用分布式计算能力，其核心概念是基于管道和流的数据处理。
2.Mahout：Mahout是一个基于Hadoop实现各种机器学习与数据挖掘算法库。被用来提供推荐服务。
3.Hive：Hive由Facebook出品，它为Hadoop提供了一种类似于SQL的操作接口。
4.Avro：Avro是一个基于二进制数据传输高性能的中间件。Avro通过将数据进入序列化，以使得大批量数据交互过程更方便。
