缓存数据库初识

Posted 2020-10-03 Zoe233

一、缓存数据库介绍

NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，泛指非关系型的数据库,随着互联网web2.0网站的兴起，传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题。

 

二、缓存数据的四大类型

1.键值(Key-Value)存储数据库

这一类数据库主要会使用到一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。Key/value模型对于IT系统来说的优势在于简单、易部署。但是如果DBA只对部分值进行查询或更新的时候，Key/value就显得效率低下了。

如：Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB.

 

2.列存储数据库

这部分数据库通常是用来应对分布式存储的海量数据。键仍然存在，但是它们的特点是指向了多个列。这些列是由列家族来安排的。

如：Cassandra, HBase, Riak.

 

3.文档型数据库

文档型数据库的灵感是来自于Lotus Notes办公软件的，而且它同第一种键值存储相类似。该类型的数据模型是版本化的文档，半结构化的文档以特定的格式存储，比如JSON。文档型数据库可 以看作是键值数据库的升级版，允许之间嵌套键值。而且文档型数据库比键值数据库的查询效率更高。

如：CouchDB, MongoDb. 国内也有文档型数据库SequoiaDB，已经开源。

 

4.图形(Graph)数据库

图形结构的数据库同其他行列以及刚性结构的SQL数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。NoSQL数据库没有标准的查询语言(SQL)，因此进行数据库查询需要制定数据模型。许多NoSQL数据库都有REST式的数据接口或者查询API。

如：Neo4J, InfoGrid, Infinite Graph.

 

因此，我们总结NoSQL数据库在以下的这几种情况下比较适用：

1、数据模型比较简单；

2、需要灵活性更强的IT系统；

3、对数据库性能要求较高；

4、不需要高度的数据一致性；

5、对于给定key，比较容易映射复杂值的环境。

 

 

三、关系型数据库和NoSQL数据库的区别

1.使用关系型数据库的场景

• 数据结构良好，并适合关系数据库中的列表安排(行和列)。典型示例:银行账户信息、客户订单信息、客户信息、员工信息、部门信息等。
• 上述观点的另一个方面是:面向模式的数据模型。当您为有潜在可能性会使用的RDBMS设计数据模型(表、关系等)时，您需要提出一个定义良好的模式:将会有许多表，每个表都有一个已知的列，以已知类型的格式存储数据(CHAR、NUMBER、BLOB等)。
• 非常重要:考虑数据是否在本质上是事务性的。换句话说，在提供的事务上下文ACID语义中，数据是否会被存储、访问和更新，或者是否可以对这些属性进行折衷。
• 正确性也很重要，任何妥协都是不可接受的。这源于这样一个事实，在大多数NoSQL数据库中，一致性被放弃，用以支持性能和可伸缩性。
• 没有一个强烈的/迫切的需要拓展的数据库需求；将一个数据库(水平扩展)线性扩展到在集群中的多个节点的数据库。
• 用例不用于“高速数据摄取”。
• 如果客户机应用程序期望快速地将大量数据流到数据库中，那么关系数据库可能就不是一个好选择，因为它们实际上不是为编写繁重的工作负载而设计的。
• 为了实现ACID属性，许多额外的后台工作都是在编写器(插入、更新、删除)代码路径中完成的。这肯定会影响性能。
• 这个用例并不是为了“存储大量的pb级数据”。

2.使用NoSQL数据库：

• 没有固定的(和预先确定的)适合数据的模式
• 可伸缩性、性能(高吞吐量和低操作延迟)，持续可用性是数据库基础架构需要满足的非常重要的需求。 
• “高速数据摄食”的最佳选择。这样的应用程序(例如IoT风格)，每秒生成数百万个数据点，需要一个能够提供可伸缩性的极限写入数据库
• 横向规模的NoSQL数据库的内在能力允许在集群中跨商品服务器存储大量数据。它们通常使用低成本的资源，随着需求的增长，它们能够线性增加计算和存储能力。

 

3.NoSQL数据库的四大分类表格分析

分类	Examples举例	典型应用场景	数据模型	优点	缺点
键值（key-value）	Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB	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。	Key 指向 Value 的键值对，通常用hash table来实现	查找速度快	数据无结构化，通常只被当作字符串或者二进制数据
列存储数据库	Cassandra, HBase, Riak	分布式的文件系统	以列簇式存储，将同一列数据存在一起	查找速度快，可扩展性强，更容易进行分布式扩展	功能相对局限
文档型数据库	CouchDB, MongoDb	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Value的内容）	Key-Value对应的键值对，Value为结构化数据	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	查询性能不高，而且缺乏统一的查询语法。
图形(Graph)数据库	Neo4J, InfoGrid, Infinite Graph	社交网络，推荐系统等。专注于构建关系图谱	图结构	利用图结构相关算法。比如最短路径寻址，N度关系查找等	很多时候需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。