NOSQL快速入门

NoSql是一个很老的概念了，但对自己来说，仍然是一个短板，果断补上。

首先通过几个简单的例子来了解NOSQL在国内的情况(2013年左右的数据，有些过时)，比如新浪微博，其就有200多台物理机运行着Redis，其结合NOSQL和MySQL一起使用，关系型数据，通过索引保存在MYSQL中，K/V数据保存在Redis中。淘宝的Oceanbase用于处理线上事务，Tair用于K/V存储，于2010上线（自己落后时代不少啊）。优酷的现在评论业务使用mongoDB存储，运营数据分析及挖掘处理使用Hadoop/HBase。

 

对于数据来说，常用的单位按序增加为，Byte, KB, MB, GB, TB, PB, EB, ZB, YD, DB, NB。

大数据的特点体现在4个V上，分别是: Volumn数据量，比如腾讯涉及8亿以上用户，2013年的总数据量压缩后仍然高达100PB，并以每月10%的速度增长；Variety数据类型繁多，包括文字、视频、图片、地理位置等；Value价值密度低，商业价值高；Velocity处理速度快，"1秒定律"。

大数据相关技术：采集技术，比如RFID射频数据、传感器数据、社交网络数据等；预处理技术，对数据进行抽取和清洗操作；大数据存储与管理技术，比如DFS分布式文件系统，NOSQL数据库；大数据分析与挖掘技术，包括数据挖掘，机器学习等；大数据应用技术，在国内常用于商业智能、政府决策和公共服务。

什么是NOSQL? "Not Only SQL"

过去传统的关系型数据库，优点是通用性和性能都很高、通过事务保持数据一致性、可以通过JOIN完成复杂查询，但缺点是不擅长大量数据的写入、表结构的改变、快速返回简单查询等。

NOSQL数据库易于数据的分散，其本身不支持join操作，各个数据独立设计，很容易把数据分散到各个服务器，相对于提升服务器性能，增大规模可以低成本的提高系统整体处理能力。

接下来通过一个表格来了解NOSQL数据库的类型，加粗部分为最常用实现。

NOSQL类型	常见实现
键值对类型	Memcached临时性, Redis兼具临时性和永久性，可用缓存数据，读写非常快速 Dynamo, LevelDB
文档类型	MongoDB, CouchDB, 无需定义表结构，可以使用复杂查询条件
面向列的类型	Cassandra, HBASE,Hadoop 这类数据库相对最难理解，但重要性最高，扩展性非常强。我们过去的数据库，数据存储以行位单位，便于少量行的读取和更新，而面向列的数据库则适合对大量行少量列进行读取，对所有特定列进行同时更新

Tip：对我们来说，传统数据库和NOSQL数据库不分好坏，能够合理的使用才是王道。

 

对于传统数据库来说，其数据一致性通过事务的ACID特性来保证，但对于分布式系统来说，这套方案是行不通的。NOSQL系统就是一个分布式系统，其对于客户来说就是一个统一的整体，但实际上是由一组服务器组成的。提到分布式系统的数据一致性，就不得不提Eric Brewer提出的CAP理论，CAP分别表示Consistency强一致性，Availability可用性，Partition Tolerance分区容错性。

根据该理论， 任何一个数据共享系统只能满足这三个特性中的两个，在选型时需要做相应的权衡。

放弃P分区容错性：出现网络故障时，需要将所有数据放到一台机器，但对于NOSQL数据库一定来说，一定需要P

放弃A可用性：出现故障时，服务不可用，需要等待

放弃C强一致性：但保留数据的最终一致性，以网购为例，对于同一货物的两个订单吗，较晚的订单将被告知售罄。对于一些不敏感的数据，比如头像、评论，可以放弃C，但对于金额等敏感数据则不能。

相对于传统的ACID， NOSQL引入BASE准则。

Basically Available基本可用：系统能够基本运行，一直提供服务。

Soft-State软状态：系统不要求一直保持强一直状态。

Eventual consistency最终一致性：系统需要在某一时刻后达到一致性要求。

ACID	BASE
强一致性	弱一致性
隔离性	可用性优先
悲观，保守方法(悲观锁)	乐观方法(乐观锁)
难以变化	适用变化、简单快捷

数据一致性的实现方法：Quorun系统NEW策略；时间戳策略；向量时钟。（这部分需要时再深入学习，目前只需应用水平）

 

对于当下的海量数据，过去通过垂直扩展性能的方式已不合适，因此水平扩展已成为必由之路，通常来说，对于NOSQL数据库，水平扩展的方式就是复制和分片。

方案	诠释
所有数据存放在一个服务器上
分片(Sharding)	将数据不同部分分配到不同服务器 记住：在设计，及早考虑分片
主从复制(Master-Slave)	主负责处理数据更新，并启动单独进程将数据同步到从 但主仍然存在瓶颈和单点故障
对等复制(Peer to Peer)	同时写入时，存在不一致的情况，可以由应用程序来判断 选举模式
复制和分片同时使用

分片的算法：Range-Based Partition(mongodb), Round-Robin(mod算法)，一致性hash算法（详情请见http://www.cnblogs.com/wanliwang01/p/Architect_JAVA_LINKHOME.html）。

Tip:

五分钟法则：一条记录频繁被访问则应该放在内存，反之则应该放在硬盘，这个临界时间就是五分钟。

不要删除数据：包括不用使用IsDeleted软删除，推荐的方式是使用代表数据状态的字段，如：有效、停用、弃置、取消等。

 

参考资料：

1. 皮雄军. NoSQL数据库技术实战[M]. 北京:清华大学出版社, 2015.