之前看过一本名叫<<大数据挑战的书>>，里面主要讲了NOSQL的内容，感觉讲得确实不错，今天来重新温习一下，我们大话NOSQL。说道NOSQL，我们肯定联想到的内容就是BigData大数据了，不错，当今的时代就是大数据的时代了。如果放在前几年，互联网还没有这么发达的情况下，也许谁也不会听过这个名词。在讲正题的时候，我做了张图来看看一般服务端架构在面对业务发展的需要时候，一般的演变趋势：

所以如果公司的数据量发展到一定规模的话，可以采用NoSql.好了终于引出了NoSql这个今天的主题了。NoSql可以理解为”Not Only Sql”,主要指的是非关系型，分布式，不提供ACID的数据库设计模式，强调的是类似于Map的“键值存储”，和”文档存储“。面对海量数据，NoSql 采用了一种弱类型的数据，采用更加简单的数据模型，一般都是用字符串表示所有的数据类型。但是他可能不会像关系型数据库一样有那么好的强一致性，应该nosql是一种最终一致性。NoSql也避免了许多诸如联表查询等复杂操作，基本就是简单的赋值，取值等，

可以实现比较难高的吞吐量。现在的数据库系统可谓是五彩缤纷，来张图看看：

在介绍nosql之前，要知道的一些海量数据的理论性知识，CAP理论，C,（Consistency）强一致性，A(Available)可用性，P(Partition Tolerance)分区容忍性，可以理解为系统在存在网络分区的情况下仍然可以接受请求。自然这让我们联系到了另一个理论ACID，A(Atomic)原子性，C(Consistent)一致性， I(Isolation)隔离性， D(Durablitity)持续性。还有一个比较重要的协议2PC两阶段提交协议，许多分布式关系数据库采用此协议来完成分布式事务。下面我们来真正了解一下具体的NOSQL。

    K-V数据库

首先我们来了解是Redis,Redis是一个开源的，高级key-value的数据库。他的value不仅支持String类型，而且还有list，set等结构，Redis采用的是内存进行数据存储，等数据到达一定规模后，在持久化到文件或磁盘中。基于Redis的特点，新浪微博采用的就是Redis，对于微博这样的结构清晰，数据规模庞大的应用来说，Redis当然最适合不过了。

Column-Oriented列式数据库

说到列式数据库，我们不得不提到他的始祖，Bigtable数据库，在后来衍射出的很多数据库都能看到他的影子，列式数据库强调的是一种面向列的稀疏存储，还有一个列族的概念，跟关系型数据库的单行单列，不一样，比较典型的Hadoop采用的HBase数据库。

文档型数据库

文档型数据，我这里说的有2种，MongoDB,还有一个CouchDB,两者有很多共同点存储的都是JSON类型数据类型，在文档数据库中文档成为了数据存储的一个基本单位，因此，所存储的数据，甚至可以要求是无结构的，文档可长，可短，每一个都以类似于”{“”id”: 200, “msg”:”haha”}这样的json格式保存在数据库中。我们重点关注一下MongoDB，在MongoDB中存在着类似于SQL查询语句的操作，但是又不是跟SQL语句完全相同，比如db,user,find(),MongoDB支持Map/Reduce模型，CouchDB具体RestFul API，可以实现用Http请求实现操作。二者数据库都借助了Map/Reduce,技术提高了数据处理的效率，这对于与存储非结构化，和半结构化的数据都有很大的帮助。

图存数据库

图存数据库我刚刚听说这个名词的时候，也是觉得难以理解，官方给出的定义：图存数据库使用基础的数据结构，来存储代表一个图形的数据，能够通过非常方便的方式优雅的呈现任何类型的数据。图存数据库现在一般有3类，Neo4j数据库，GraphDB图存数据库，OrientDB,图存数据库的查询会模仿图的遍历实现查找，通过朋友找到朋友的朋友，最终找到目标。

NoSql就是分为上述的4种类型，突然心血来潮，相到一个比较重要的知识点，数据处理，数据处理平常也总是有人在提起，我就提提，我说的数据处理指的是传统的压缩算法的实现，一般有2种，一个哈弗曼编码，学过计算机的，数据结构都上过的吧，另一个L.Z算法系列的，现在应该已经很多版本了吧，是基于窗口互动的，核心思想就是复用相同的字符串,如果后面的字符串出现了前面重复，用一个标记代替，可以大大节省压缩数量。

好了，花了1000多字，理了理思路，也起到了复习的效果了。

大话NoSql