面向列的 NoSQL 与面向文档的 NoSQL 有何不同？

Posted 2023-02-16

【中文标题】面向列的 NoSQL 与面向文档的 NoSQL 有何不同？

【英文标题】：How does column-oriented NoSQL differ from document-oriented?

【发布时间】：2011-11-25 18:32:49

【问题描述】：

我读过的三种 NoSQL 数据库是键值、面向列和面向文档。

键值对非常简单 - 一个具有普通值的键。

我见过将面向文档的数据库描述为键值对，但值可以是结构，例如 JSON 对象。每个“文档”可以具有所有、一些或没有与另一个相同的键。

面向列似乎与面向文档非常相似，因为您无需指定结构。

那么这两者之间有什么区别，为什么要使用其中一个而不是另一个？

我专门研究了 MongoDB 和 Cassandra。我基本上需要一个可以改变但不影响其他值的动态结构。同时，我需要能够搜索/过滤特定键并运行报告。有了 CAP，AP 对我来说是最重要的。只要没有冲突或数据丢失，数据就可以“最终”跨节点同步。每个用户都会得到自己的“表”。

【参考方案1】：

在 Cassandra 中，每一行（由一个键寻址）包含一个或多个“列”。列本身就是键值对。列名不需要预先定义，即结构不是固定的。一行中的列根据它们的键（名称）按排序顺序存储。

在某些情况下，您可能在一行中有大量列（例如，充当索引以启用特定类型的查询）。 Cassandra 可以有效地处理如此大的结构，并且您可以检索特定范围的列。

还有一层结构（不那么常用）称为超级列，其中一列包含嵌套的（子）列。

您可以将整体结构视为嵌套的哈希表/字典，具有 2 或 3 级键。

普通列族：

row
    col  col  col ...
    val  val  val ...

超级列族：

row
      supercol                      supercol                     ...
          (sub)col  (sub)col  ...       (sub)col  (sub)col  ...
           val       val      ...        val       val      ...

还有更高级别的结构 - 列族和键空间 - 可用于划分或组合您的数据。

另请参阅此问题：Cassandra: What is a subcolumn

或者来自http://wiki.apache.org/cassandra/ArticlesAndPresentations的数据建模链接

Re：与面向文档的数据库进行比较 - 后者通常插入整个文档（通常是 JSON），而在 Cassandra 中，您可以处理单个列或超列，并单独更新它们，即它们以不同的粒度级别工作。每列都有自己单独的时间戳/版本（用于协调分布式集群中的更新）。

Cassandra 列值只是字节，但可以输入为 ASCII、UTF8 文本、数字、日期等。

当然，您可以通过插入包含 JSON 的列将 Cassandra 用作原始文档存储 - 但您不会获得真正面向文档的存储的所有功能。

【讨论】：

列族就像一张表。一行就像一个表格行。列有点像数据库列，只是它们可以动态定义，因此在某些情况下，您可能拥有一个非常稀疏的表，或者您可能在每一行中填充了不同的列。

这取决于数据库。在 MongoDB（面向文档）中，您还可以更新每个键。

如果是这样，MongoDB 是如何定义面向文档的数据库而 Cassandra 是面向列的。它们有何不同？

@Luke 面向列看起来很像一个无模式的 RDBMS，但除了结构松散之外，主要区别在于它不是关系型的。

@user327961 但是 MongoDB 也像一个无模式的 RDBMS，它也不是关系型的。

【参考方案2】：

在“insert”中，使用rdbms的话，Document-based更加一致和直接。请注意，cassandra 可以让您实现与仲裁概念的一致性，但这并不适用于所有基于列的系统，并且会降低可用性。在一次写入/经常读取的繁重系统上，选择 MongoDB。如果您总是打算阅读对象的整个结构，也请考虑一下。基于文档的系统被设计为在获取时返回整个文档，并且在返回整行的部分方面不是很强大。

Cassandra 等基于列的系统在“更新”方面比基于文档的系统要好得多。您甚至可以在不读取包含它的行的情况下更改列的值。写入实际上不需要在同一台服务器上完成，一行可能包含在多个服务器的多个文件中。在庞大的快速发展的数据系统上，选择 Cassandra。如果您计划每个键有非常大的数据块，并且不需要在每个查询中加载所有数据，也可以考虑它。在“选择”中，Cassandra 让您只加载您需要的列。

另外考虑一下 Mongo DB 是用 C++ 编写的，并且是它的第二个主要版本，而 Cassandra 需要在 JVM 上运行，并且它的第一个主要版本是从昨天开始的候选版本（但 0.X 版本已经转向已经在大公司的生产中）。

另一方面，Cassandra 的设计部​​分基于 Amazon Dynamo，其核心是构建高可用性解决方案，但这与基于列的格式没有任何关系。 MongoDB 也可以横向扩展，但不如 Cassandra 优雅。

【讨论】：

用 C++ 和 Java 编写的软件有什么问题？

@Nayuki 现在，我知道 Java 内存管理模型的惰性垃圾收集在理论上会胜过 C++ 的“手动”管理模型，但一般来说，这通常不会很难通过用 C++ 编写等效程序来超越 Java，至少只要您禁用 Exceptions 和 RTTI。如果你充分利用了无堆栈协程和可恢复函数，那么我个人还没有看到 Java 击败我的 C++。

【参考方案3】：

主要区别在于文档存储（例如 MongoDB 和 CouchDB）允许任意复杂的文档，即子文档中的子文档、带有文档的列表等，而列存储（例如 Cassandra 和 HBase）只允许固定格式，例如严格的一级或二级字典。

【讨论】：

在这种情况下，mongo(document) 可以做 cassendra(Column) 可以做的事情。那么为什么需要列呢？

这是不同功能之间的权衡，使用面向列的设计，存储引擎可以比面向文档的存储引擎更有效。如果 MongoDB 变大，它必须在磁盘上重写整个文档，但 Cassandra 不必（这是一种简化，当然，这有很多细节）。这使得 Cassandra 的写作速度更快。

更正命名和理解：Cassandra 和 Hbase 是列“家庭”存储，而不是列“面向”存储（又名列存储）。 CF 按行存储数据（= 面向行的存储），CO 按列存储数据。参考：community.datastax.com/answers/6244/view.html

【参考方案4】：

我想说，主要区别在于这些数据库类型中的每一种物理存储数据的方式。 对于列类型，数据按列存储，可以对特定列进行高效的聚合操作/查询。 对于文档类型，整个文档在逻辑上存储在一个位置，并且通常作为一个整体进行检索（“列”/“字段”上没有有效的聚合）。

令人困惑的是，宽列“行”可以很容易地表示为一个文档，但是，如前所述，它们的存储方式不同，并且针对不同的目的进行了优化。