首页 > 代码库 > NOSQL基础概念
NOSQL基础概念
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：
- 皮雄军. NoSQL数据库技术实战[M]. 北京:清华大学出版社, 2015.
NOSQL基础概念