详解主流NoSQL和应用场景

Posted 2021-05-01 架构师技术联盟

     对比传统关系型数据库，NoSQL有着更为复杂的分类——键值、面向文档、列存储以及图数据库。这里就带你一览NoSQL各种类型的适用场景及一些知名公司的方案选择。

     在过去几年，关系型数据库一直是数据持久化的唯一选择，数据工作者考虑的也只是在这些传统数据库中做筛选，比如SQL Server、Oracle或者是mysql。甚至是做一些默认的选择，比如使用.NET的一般会选择SQL Server；使用Java的可能会偏向Oracle，Ruby是MySQL，Python则是PostgreSQL或MySQL等等。

     原因很简单，过去很长一段时间内，关系数据库的健壮性已经在多数应用程序中得到证实。我们可以使用这些传统数据库良好的控制并发操作、事务等等。然而如果传统的关系型数据库一直这么可靠，那么还有NoSQL什么事？NoSQL之所以生存并得到发展，是因为它做到了传统关系型数据库做不到的事！

关系型数据库中存在的问题

Impedance Mismatch

     我们使用Python、Ruby、Java、.Net等语言编写应用程序，这些语言有一个共同的特性——面向对象。但是我们使用MySQL、PostgreSQL、Oracle以及SQL Server，这些数据库同样有一个共同的特性——关系型数据库。这里就牵扯到了“Impedance Mismatch”这个术语：存储结构是面向对象的，但是数据库却是关系的，所以在每次存储或者查询数据时，我们都需要做转换。类似Hibernate、Entity Framework这样的ORM框架确实可以简化这个过程，但是在对查询有高性能需求时，这些ORM框架就捉襟见肘了。

应用程序规模的变大

     网络应用程序的规模日渐变大，我们需要储存更多的数据、服务更多的用户以及需求更多的计算能力。为了应对这种情形，我们需要不停的扩展。扩展分为两类：一种是纵向扩展，即购买更好的机器，更多的磁盘、更多的内存等等；另一种是横向扩展，即购买更多的机器组成集群。

     在巨大的规模下，纵向扩展发挥的作用并不是很大。首先单机器性能提升需要巨额的开销并且有着性能的上限，在Google和Facebook这种规模下，永远不可能使用一台机器支撑所有的负载。鉴于这种情况，我们需要新的数据库，因为关系数据库并不能很好的运行在集群上。不错你也可能会去搭建关系数据库集群，但是他们使用的是共享存储，这并不是我们想要的类型。于是就有了以Google、Facebook、Amazon这些试图处理更多传输所引领的NoSQL纪元。

NoSQL纪元

     当下已经存在很多的NoSQL数据库，比如MongoDB、Redis、Riak、HBase、Cassandra等等。每一个都拥有以下几个特性中的一个：

• 不再使用SQL语言，比如MongoDB、Cassandra就有自己的查询语言

• 通常是开源项目

• 为集群运行而生

• 弱结构化——不会严格的限制数据结构类型

NoSQL数据库的类型

     NoSQL可以大体上分为4个种类：Key-value、Document-Oriented、Column-Family Databases以及 Graph-Oriented Databases。下面就一览这些类型的特性。

一、 键值（Key-Value）数据库

     键值数据库就像在传统语言中使用的哈希表。你可以通过key来添加、查询或者删除数据，鉴于使用主键访问，所以会获得不错的性能及扩展性。

• 产品：Riak、Redis、Memcached、Amazon’s Dynamo、Project Voldemort

• 有谁在使用：GitHub （Riak）、BestBuy （Riak）、Twitter （Redis和Memcached）、StackOverFlow （Redis）、 Instagram （Redis）、Youtube （Memcached）、Wikipedia（Memcached）

适用的场景

     储存用户信息，比如会话、配置文件、参数、购物车等等。这些信息一般都和ID（键）挂钩，这种情景下键值数据库是个很好的选择。

不适用场景

• 1. 取代通过键查询，而是通过值来查询。Key-Value数据库中根本没有通过值查询的途径。

• 2. 需要储存数据之间的关系。在Key-Value数据库中不能通过两个或以上的键来关联数据。

• 3. 事务的支持。在Key-Value数据库中故障产生时不可以进行回滚。

二、 面向文档（Document-Oriented）数据库

     面向文档数据库会将数据以文档的形式储存。每个文档都是自包含的数据单元，是一系列数据项的集合。每个数据项都有一个名称与对应的值，值既可以是简单的数据类型，如字符串、数字和日期等；也可以是复杂的类型，如有序列表和关联对象。数据存储的最小单位是文档，同一个表中存储的文档属性可以是不同的，数据可以使用XML、JSON或者JSONB等多种形式存储。

• 产品：MongoDB、CouchDB、RavenDB

• 有谁在使用：SAP （MongoDB）、Codecademy （MongoDB）、Foursquare （MongoDB）、NBC News （RavenDB）

适用的场景

• 1. 日志。企业环境下，每个应用程序都有不同的日志信息。Document-Oriented数据库并没有固定的模式，所以我们可以使用它储存不同的信息。

• 2. 分析。鉴于它的弱模式结构，不改变模式下就可以储存不同的度量方法及添加新的度量。

不适用场景

     在不同的文档上添加事务。Document-Oriented数据库并不支持文档间的事务，如果对这方面有需求则不应该选用这个解决方案。

三、 列存储（Wide Column Store/Column-Family）数据库

     列存储数据库将数据储存在列族（column family）中，一个列族存储经常被一起查询的相关数据。举个例子，如果我们有一个Person类，我们通常会一起查询他们的姓名和年龄而不是薪资。这种情况下，姓名和年龄就会被放入一个列族中，而薪资则在另一个列族中。

• 产品：Cassandra、HBase

• 有谁在使用：Ebay （Cassandra）、Instagram （Cassandra）、NASA （Cassandra）、Twitter （Cassandra and HBase）、Facebook （HBase）、Yahoo!（HBase）

适用的场景

• 1. 日志。因为我们可以将数据储存在不同的列中，每个应用程序可以将信息写入自己的列族中。

• 2. 博客平台。我们储存每个信息到不同的列族中。举个例子，标签可以储存在一个，类别可以在一个，而文章则在另一个。

不适用场景

• 1. 如果我们需要ACID事务。Vassandra就不支持事务。

• 2. 原型设计。如果我们分析Cassandra的数据结构，我们就会发现结构是基于我们期望的数据查询方式而定。在模型设计之初，我们根本不可能去预测它的查询方式，而一旦查询方式改变，我们就必须重新设计列族。

  
  

四、 图（Graph-Oriented）数据库

     图数据库允许我们将数据以图的方式储存。实体会被作为顶点，而实体之间的关系则会被作为边。比如我们有三个实体，Steve Jobs、Apple和Next，则会有两个“Founded by”的边将Apple和Next连接到Steve Jobs。

• 产品：Neo4J、Infinite Graph、OrientDB

• 有谁在使用：Adobe （Neo4J）、Cisco （Neo4J）、T-Mobile （Neo4J）

适用的场景

• 1. 在一些关系性强的数据中

• 2. 推荐引擎。如果我们将数据以图的形式表现，那么将会非常有益于推荐的制定不适用场景不适合的数据模型。图数据库的适用范围很小，因为很少有操作涉及到整个图。

（编注0：本文以下内容英文出处：，由  -  翻译）NoSQL数据库之间的不同，远超过两 SQL数据库之间的差别。这意味着软件架构师更应该在项目开始时就选择好一个适合的 NoSQL数据库。针对这种情况，这里 、 、 、 、  、 、   和  进行了比较。

    （编注1：NoSQL：是一项全新的数据库革命性运动，NoSQL的拥护者们提倡运用非关系型的数据存储。现今的计算机体系结构在数据存储方面要求具 备庞大的水平扩 展性，而NoSQL致力于改变这一现状。目前Google的 BigTable 和Amazon 的Dynamo使用的就是NoSQL型数据库。 参见。）

1. CouchDB

• 所用语言： Erlang

• 特点：DB一致性，易于使用

• 使用许可： Apache

• 协议： HTTP/REST

• 双向数据复制，

• 持续进行或临时处理，

• 处理时带冲突检查，

• 因此，采用的是master-master复制（见编注2）

• MVCC – 写操作不阻塞读操作

• 可保存文件之前的版本

• Crash-only（可靠的）设计

• 需要不时地进行数据压缩

• 视图：嵌入式 映射/减少

• 格式化视图：列表显示

• 支持进行服务器端文档验证

• 支持认证

• 根据变化实时更新

• 支持附件处理

• 因此， CouchApps（独立的 js应用程序）

• 需要 jQuery程序库

最佳应用场景

     适用于数据变化较少，执行预定义查询，进行数据统计的应用程序。适用于需要提供数据版本支持的应用程序。

     例如： CRM、CMS系统。 master-master复制对于多站点部署是非常有用的。

    （编注2：master-master复制：是一种数据库同步方法，允许数据在一组计算机之间共享数据，并且可以通过小组中任意成员在组内进行数据更新。）

 

2. Redis

• 所用语言：C/C++

• 特点：运行异常快

• 使用许可： BSD

• 协议：类 Telnet

• 有硬盘存储支持的内存数据库，

• 但自2.0版本以后可以将数据交换到硬盘（注意， 2.4以后版本不支持该特性！）

• Master-slave复制（见编注3）

• 虽然采用简单数据或以键值索引的哈希表，但也支持复杂操作，例如 ZREVRANGEBYSCORE。

• INCR & co （适合计算极限值或统计数据）

• 支持 sets（同时也支持 union/diff/inter）

• 支持列表（同时也支持队列；阻塞式 pop操作）

• 支持哈希表（带有多个域的对象）

• 支持排序 sets（高得分表，适用于范围查询）

• Redis支持事务

• 支持将数据设置成过期数据（类似快速缓冲区设计）

• Pub/Sub允许用户实现消息机制

最佳应用场景

     适用于数据变化快且数据库大小可遇见（适合内存容量）的应用程序。

     例如：股票价格、数据分析、实时数据搜集、实时通讯。

    （编注3：Master-slave复制：如果同一时刻只有一台服务器处理所有的复制请求，这被称为 Master-slave复制，通常应用在需要提供高可用性的服务器集群。）

 

3. MongoDB

• 所用语言：C++

• 特点：保留了SQL一些友好的特性（查询，索引）。

• 使用许可： AGPL（发起者： Apache）

• 协议： Custom, binary（ BSON）

• Master/slave复制（支持自动错误恢复，使用 sets 复制）

• 内建分片机制

• 支持 javascript表达式查询

• 可在服务器端执行任意的 javascript函数

• update-in-place支持比CouchDB更好

• 在数据存储时采用内存到文件映射

• 对性能的关注超过对功能的要求

• 建议最好打开日志功能（参数 –journal）

• 在32位操作系统上，数据库大小限制在约2.5Gb

• 空数据库大约占 192Mb

• 采用 GridFS存储大数据或元数据（不是真正的文件系统）

最佳应用场景

     适用于需要动态查询支持；需要使用索引而不是 map/reduce功能；需要对大数据库有性能要求；需要使用 CouchDB但因为数据改变太频繁而占满内存的应用程序。

     例如：你本打算采用 MySQL或 PostgreSQL，但因为它们本身自带的预定义栏让你望而却步。

 

4. Riak

• 所用语言：Erlang和C，以及一些Javascript

• 特点：具备容错能力

• 使用许可： Apache

• 协议： HTTP/REST或者 custom binary

• 可调节的分发及复制(N, R, W)

• 用 JavaScript or Erlang在操作前或操作后进行验证和安全支持。

• 使用JavaScript或Erlang进行 Map/reduce

• 连接及连接遍历：可作为图形数据库使用

• 索引：输入元数据进行搜索（1.0版本即将支持）

• 大数据对象支持（ Luwak）

• 提供“开源”和“企业”两个版本

• 全文本搜索，索引，通过 Riak搜索服务器查询（ beta版）

• 支持Masterless多站点复制及商业许可的 SNMP监控

最佳应用场景

     适用于想使用类似 Cassandra（类似Dynamo）数据库但无法处理 bloat及复杂性的情况。适用于你打算做多站点复制，但又需要对单个站点的扩展性，可用性及出错处理有要求的情况。

     例如：销售数据搜集，工厂控制系统；对宕机时间有严格要求；可以作为易于更新的 web服务器使用。

5. Membase

• 所用语言： Erlang和C

• 特点：兼容 Memcache，但同时兼具持久化和支持集群

• 使用许可： Apache 2.0

• 协议：分布式缓存及扩展

• 非常快速（200k+/秒），通过键值索引数据

• 可持久化存储到硬盘

• 所有节点都是唯一的（ master-master复制）

• 在内存中同样支持类似分布式缓存的缓存单元

• 写数据时通过去除重复数据来减少 IO

• 提供非常好的集群管理 web界面

• 更新软件时软无需停止数据库服务

• 支持连接池和多路复用的连接代理

最佳应用场景

     适用于需要低延迟数据访问，高并发支持以及高可用性的应用程序

     例如：低延迟数据访问比如以广告为目标的应用，高并发的 web 应用比如网络游戏（例如 Zynga）。

 

6. Neo4j

• 所用语言： Java

• 特点：基于关系的图形数据库

• 使用许可： GPL，其中一些特性使用 AGPL/商业许可

• 协议： HTTP/REST（或嵌入在 Java中）

• 可独立使用或嵌入到 Java应用程序

• 图形的节点和边都可以带有元数据

• 很好的自带web管理功能

• 使用多种算法支持路径搜索

• 使用键值和关系进行索引

• 为读操作进行优化

• 支持事务（用 Java api）

• 使用 Gremlin图形遍历语言

• 支持 Groovy脚本

• 支持在线备份，高级监控及高可靠性支持使用 AGPL/商业许可

最佳应用场景

     适用于图形一类数据。这是 Neo4j与其他nosql数据库的最显著区别。

     例如：社会关系，公共交通网络，地图及网络拓谱

 

7. Cassandra

• 所用语言： Java

• 特点：对大型表格和 Dynamo支持得最好

• 使用许可： Apache

• 协议： Custom, binary (节约型)

• 可调节的分发及复制(N, R, W)

• 支持以某个范围的键值通过列查询

• 类似大表格的功能：列，某个特性的列集合

• 写操作比读操作更快

• 基于 Apache分布式平台尽可能地 Map/reduce

• 我承认对 Cassandra有偏见，一部分是因为它本身的臃肿和复杂性，也因为 Java的问题（配置，出现异常，等等）

最佳应用场景

     当使用写操作多过读操作（记录日志）如果每个系统组建都必须用 Java编写（没有人因为选用 Apache的软件被解雇）。

     例如：银行业，金融业（虽然对于金融交易不是必须的，但这些产业对数据库的要求会比它们更大）写比读更快，所以一个自然的特性就是实时数据分析

 

8. HBase

      HBase配合 ghshephard使用。

• 所用语言： Java

• 特点：支持数十亿行X上百万列

• 使用许可： Apache

• 协议：HTTP/REST （支持 ，见编注4）

• 在 BigTable之后建模

• 采用分布式架构 Map/reduce

• 对实时查询进行优化

• 高性能 Thrift网关

• 通过在server端扫描及过滤实现对查询操作预判

• 支持 XML, Protobuf, 和binary的HTTP

• Cascading, hive, and pig source and sink modules

• 基于 Jruby（ JIRB）的shell

• 对配置改变和较小的升级都会重新回滚

• 不会出现单点故障

• 堪比MySQL的随机访问性能

最佳应用场景

     适用于偏好BigTable，并且需要对大数据进行随机、实时访问的场合。

     例如： Facebook消息数据库（更多通用的用例即将出现）。