深入解析NoSQL数据库：键值对、文档、列式存储与图数据库的应用与特点

1.NoSql是什么？

    Nosql = not only sql，意即“不仅仅是sql”，泛指非关系型数据库。这些类型的数据存储不需要固定的模式（当然也有固定的模式），无需多余的操作就可以横向扩展。

    说到非关系型数据库，就要简单的介绍一下关系型数据库，是建立在关系模型基础上的数据库，借助于集合代数等数学概念和方法来处理数据库中的数据，我们平常使用的数据库，像MySQL，Oracle，SQL Server等都是传统的关系型数据库。

2.NoSql数据类型

    NoSql中的数据是使用聚合模型来进行处理的。

    聚合模型主要分为：KV键值对，BSON，列族，图形等几种方式

    KV键值对：就是我们平常使用的map那样的存储模式

    BSON：在MongoDB中常用的一种数据类型，是一种类json的一种二进制形式的存储格式，简称binary json，它和json一样，支持内嵌的文档对象和数组对象

    列族：按列存储数据。最大的特点是方便存储结构和半结构化数据，方便做数据压缩，对针对某一列或者是某几列的查询有非常大的io优势

    图形：不是放图形的，放的是关系，比如：朋友圈社交网络，广告推荐系统等，专注于构建关系图谱

3.NoSql数据库的分类

• KV键值对
     临时性键值存储：Memcached，Redis
     永久性键值存储：ROMA，Redis 
  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HashTable来实现
  优点：查找速度快
  缺点：数据无结构化，通常只被当做字符串或者是二进制数据
• 面向文档的数据库：MongoDB，CouchDB
      Mongodb是一个基于分布式文件存储的数据库，由c++语言编写。 为web应用提供可扩展的高性能数据存储解决方案,是一个介于关系数据库和非关系数据库之间的产品，是非关系数据中功能最丰富，最像关系数据库的
  应用场景：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到value的内容）
  数据模型：Key-Value对应的键值对，Value是结构化的数据
  优点：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
  缺点：查询性能不高，而且缺乏统一的查询语法
• 面向列的数据库：Cassandra，HBase
  应用场景：分布式的文件系统
  数据模型：以列簇式存储，将一列数据存储在一起
  优点：查找速度快，可扩展性强，更容易进行分布式扩展
  缺点：功能相对局限
• 面向图形的数据库：Neo4J，InfoGrid
  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
  优点：利用图结构相关算法。比如最短路径寻址，N度关系查找等等。
  缺点：很多时候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。

4.NoSql的优点

    易扩展：nosql数据库种类繁多，但是一个共同的特点都是去掉关系型数据库的关系型特性数据之间无关系，这样就非常容易扩展，也无形之间，在架构层面上带来了可扩展的能力
    大数据量高性能：Nosql数据库都具有非常高的读写能力，尤其在大数据量下，同样表现优秀，这得益于它的无关系型，数据库的结构简单，一般mysql使用query cache，每次表的更新cache就会失效，这是一种大粒度的cache，在针对web2.0的交互频繁的应用，cache性能不高，而nosql的cache是记录级的，是一种细粒度的cache，所以nosql在这个层面上来说就要性能高很多了

    多样灵活的数据模型：Nosql无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式，而在关系数据库里，增删字段是一件非常麻烦的事情，如果是非常大数据量的表，增加字段简直就是一个噩梦

既然Oracle，MySQL等传统的关系型数据库非常成熟并且已经大规模的商用，为什么还要用NoSql呢？
    主要是由于随着互联网的发展，数据量越来越大，对性能的要求越来越高，传统数据库存在着先天性的缺陷，即单机（单库）性能瓶颈，并且扩展困难。这样既有单机瓶颈，却又扩展困难，自然无法满足日益增长的海量数据存储及其性能要求，所以才会出现各种各样的NoSql产品，NoSql的根本性优势在于云计算时代，简单，易于大规模分布式扩展，并且读写性能极高。
    看下两者的对比：

参考：Redis相关学习视频，Mycat_V1.6.0.pdf