?2016-2026 Matools All rights reserved,
粵ICP備17059708號
隨著互聯(lián)網大潮的到來，越來越多網站，應用系統(tǒng)需要海量數(shù)據(jù)的支撐，高并發(fā)、低延遲、高可用、高擴展等要求在傳統(tǒng)的關系型數(shù)據(jù)庫中已經得不到滿足，或者說關系型數(shù)據(jù)庫應對這些需求已經顯得力不從心了。關系型數(shù)據(jù)庫經過幾十年的發(fā)展已經很成熟，強大的sql語句支持，完美的ACID屬性的支持，使得關系型數(shù)據(jù)庫廣泛應用于各種各樣的應用系統(tǒng)中，但是應用的場景廣泛并非意味著完美。
- 由于關系型數(shù)據(jù)庫是按行進行存儲的，在某些只統(tǒng)計一列的需求場景下，也需要把整行讀入內存，導致了一個小小的統(tǒng)計需求高IO的缺點
-
關系型數(shù)據(jù)庫無法存儲數(shù)據(jù)結構，比如：一個商品可以從屬于多個分類，業(yè)務上的從屬關系體現(xiàn)到存儲上是一個列表而已，但是關系型數(shù)據(jù)庫需要把這些關系存儲為多行，無法直接存儲為一個列表。
-
關系型數(shù)據(jù)庫中的存儲單位表的架構是強約束，操作不存在的列會報出異常，而且添加、更新、刪除列必須執(zhí)行DDL語句，如果表的現(xiàn)存數(shù)據(jù)量比較大，會出現(xiàn)長時間鎖表的現(xiàn)象。
- 關系型數(shù)據(jù)庫全文搜索功能普通比較弱，用like去匹配關鍵詞的時候，數(shù)據(jù)量比較大的情況下會出現(xiàn)慢查詢的現(xiàn)象。
- 關系型數(shù)據(jù)庫基于表格的關系模型使得很難添加新的或不同種類的關聯(lián)信息。
由于以上這些諸多問題，便誕生了以“NOSQL”為口號的很多解決方案。在某些關系型數(shù)據(jù)庫不擅長的領域，Nosql表現(xiàn)的很出色。上天是公平的，給你打開了一扇窗戶，必會給你關上半扇門，NoSql是以犧牲ACID某個或者某些特性為代價的。
NoSQL并不是銀彈，更多的時候是關系型數(shù)據(jù)庫一個有力補充，或者是特定場景下優(yōu)于關系型數(shù)據(jù)庫的一種解決方案
NoSQL
NoSQL，泛指非關系型的數(shù)據(jù)庫?，F(xiàn)在大家更喜歡翻譯成：not only sql
根據(jù)NoSQL的存儲等特性，大體可以分為以下幾類
-
鍵值(Key-Value)存儲數(shù)據(jù)庫。相關的產品：Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached。主要解決關系數(shù)據(jù)庫無法存儲數(shù)據(jù)結構的問題。
- 列存儲數(shù)據(jù)庫。相關產品：BigTable、HBase、Cassandra、HadoopDB、GreenPlum、PNUTS。解決關系數(shù)據(jù)庫大數(shù)據(jù)場景下的
I/O 問題
- 文檔數(shù)據(jù)庫。相關產品：MongoDB、CouchDB、ThruDB、CloudKit、Perservere、Jackrabbit。解決關系數(shù)據(jù)庫強
schema 約束的問題。
-
圖形數(shù)據(jù)庫。相關產品：Neo4J、OrientDB、InfoGrid、GraphDB。主要解決大量復雜、互連接、低結構化的圖結構場合，如社交網絡、推薦系統(tǒng)等
- 全文搜索引擎。相關產品：Elasticsearch。主要解決關系數(shù)據(jù)庫的全文搜索性能問題。
由此可見，沒有哪一種NoSql是完美的，每一種Nosql都有自己擅長的領域，這也是我們做系統(tǒng)架構中要考慮的重要因素。
場景1
電商的商品設計過程中，每種商品的屬性都不同，屬性數(shù)目不同，屬性名不同，同一個商品有可能會屬于多個分類，而且隨著業(yè)務的發(fā)展，很多商品會增加新的屬性，而且最令程序員頭疼莫過于每種屬性都有可能有搜索的可能性（當然搜索可以利用搜索引擎來實現(xiàn)）。遇到這樣的需求場景，如果利用關系型數(shù)據(jù)庫來存儲的話，表的字段會非常多，而且字段的定義非常令人頭疼。
這樣的場景非常適合NOsql中的文檔型數(shù)據(jù)庫，比如MongoDB。文檔型數(shù)據(jù)庫新增字段非常簡單，不像關系型數(shù)據(jù)庫需要先執(zhí)行DDL來增加字段，直接可以利用程序來進行讀寫，歷史數(shù)據(jù)就算是沒有相應的字段也不會有異常的情況發(fā)生。最重要的一點，文檔型數(shù)據(jù)庫很擅長存儲復雜結構的數(shù)據(jù)，一般情況下業(yè)務上可以利用表現(xiàn)能力很強的json數(shù)據(jù)結構。
{
????"Id":1,
????"ProductName":"杜蕾斯加強版",
????"Price":100,
????"Type":[
????????1,
????????2,
????????4
????],
????"Length":20,
????"Height":2
}
如果所有商品信息都用mongodb來存儲的話，有的場景并不是十分完美。比如商品被成功購買之后扣庫存的問題，聯(lián)合查詢的問題，由于Nosql天生對ACID支持不足的原因，一個事務性的操作很難在Nosql中實現(xiàn)，所以設計系統(tǒng)的時候在很多情況下是關系數(shù)據(jù)庫+Nosql
來共同實現(xiàn)業(yè)務。
場景2
很多具體的業(yè)務中都有記錄數(shù)據(jù)然后進行統(tǒng)計的需求場景，比如那些統(tǒng)計uv，pv的系統(tǒng)。日志型的數(shù)據(jù)量非常大，而且還有可能有峰值的出現(xiàn)，如果用關系型數(shù)據(jù)庫來存儲，很有可能在IO上會出現(xiàn)瓶頸，而且有可能會影響其他正常的業(yè)務，更不幸的是當執(zhí)行統(tǒng)計語句的時候，性能更是差強人意。這樣的日志型統(tǒng)計業(yè)務很適合HBase這樣的列式Nosql，業(yè)務上要統(tǒng)計一天的uv，pv數(shù)據(jù)，HBase很適合統(tǒng)計某一列數(shù)據(jù)的場景，因為只需要把對應的列進行統(tǒng)計即可，不像關系型數(shù)據(jù)庫那樣需要把所有行都加載進內存，而且列式存儲一般比行式存儲擁有更大的壓縮比例，占用的磁盤空間會更少。
列式存儲的應用場景有一定的限制，一般用于統(tǒng)計和大數(shù)據(jù)的分析中。
場景3
在多數(shù)高并發(fā)系統(tǒng)中都存在緩存的設計，而緩存的一般數(shù)據(jù)結構都是K-V結構。緩存是一種提高系統(tǒng)性能的有效手段，因其需要提供快速訪問的特性，一般緩存都放置于內存當中。比如現(xiàn)在我們要設計一個用戶管理系統(tǒng)，每個用戶信息可以做緩存以便提供高速的訪問，由于很多系統(tǒng)都采用分布式的部署方式，所以采用進程內的緩存方式并不可取，這個時候就需要有一種高速的外部存儲來提供這種業(yè)務，這正是kv型Nosql的典型應用場景之一。其中以redis為代表，具體的業(yè)務中可以以用戶id為key，用戶的信息為value存儲在redis中，而且redis在3.0之后可以做集群了，在高可用和擴展上更能助力業(yè)務方。redis支持的數(shù)據(jù)類型很多，在不同的場景下選擇不同的數(shù)據(jù)類型。
場景4
當一個系統(tǒng)有搜索的業(yè)務時候，如果搜索的條件是一些簡單的類型搜索，關系型數(shù)據(jù)庫還可以滿足，但是如果有全文搜索，就是我們平時sql寫的like
‘%xx%’這樣的搜索，關系型數(shù)據(jù)庫可能并不是最好的選擇，全文搜索引擎類型的Nosql也許是一個更好的解決方案，其中以Elasticsearch
為代表。全文搜索引擎的搜索的條件可以隨意排列組合，并且可以實現(xiàn)關系型數(shù)據(jù)庫like方式的模糊匹配。
全文搜索引擎的技術原理稱為“倒排索引”（inverted
index），是一種索引方法，其基本原理是建立單詞到文檔的索引。與之相對是，是“正排索引”，其基本原理是建立文檔到單詞的索引。
場景5
在社交系統(tǒng)中最常見例子就是社會網絡中人與人之間的關系。關系型數(shù)據(jù)庫用于存儲“關系型”數(shù)據(jù)的效果并不好，其查詢復雜、緩慢、超出預期，而圖形數(shù)據(jù)庫的獨特設計恰恰彌補了這個缺陷，解決關系型數(shù)據(jù)庫存儲和處理復雜關系型數(shù)據(jù)功能較弱的問題。其中以Neo4j為代表。想深入研究的同學請移步百度。
無論是關系型數(shù)據(jù)庫還是nosql數(shù)據(jù)庫都不是銀彈，每一種事物都有它最善長的領域。設計一個好的系統(tǒng)，需要綜合考慮各種因素，根據(jù)具體的業(yè)務場景來選擇最合適的解決方案。
領取福利
記得微信掃碼識別，領取技術書籍哦
?
?
熱門工具 換一換