nosql数据库是什么
 

  

  

 
 
Most of you have already heard of the term NoSQL Database and when you try to do a Google search of it, it’s not really clear in terms of what exactly this entire concept is. In this tutorial, we’re going to discuss the different aspects of the NoSQL databases and what makes them different from the regular relational databases that we’ve been using for years. 
 
 你们中的大多数人都已经听说过NoSQL数据库这个词，当您尝试对其进行Google搜索时，就整个概念到底是什么还不清楚。 在本教程中，我们将讨论NoSQL数据库的不同方面，以及它们与我们已经使用多年的常规关系数据库的不同之处。 
 
 
We’ll also go over the advantages and disadvantages of using the NoSQL database over a relational model. Let’s begin. 
 
 我们还将介绍在关系模型上使用NoSQL数据库的优缺点。 让我们开始。 
 
 

 
 
 
 什么是关系数据库模型？ (What is a Relational Database Model?)
 
 
Now, to understand what the NoSQL concept is and why we need it, we’ve to go back in time where only the relational database model existed. Relational database models have been a result of years of hard work and best practices and stress testing that has been tried and tested on millions of websites until now.
 
 现在，要了解NoSQL的概念以及我们为什么需要它，我们必须回到只有关系数据库模型存在的时间。 关系数据库模型是经过数年的努力，最佳实践和压力测试的结果，迄今为止，该数据库已经在数百万个网站上进行了尝试和测试。 
 
 
They’re designed for reliable transactions and proper structure of data that needs to be stored in them. But because of the structure and the expectation of the kind of data that can be accepted by traditional SQL databases or Relational Databases, there are a lot of limitations that come along with it. We’ll discuss these limitations compared to the NoSQL model in a while.
 
 它们旨在实现可靠的交易和需要存储在其中的数据的正确结构。 但是由于传统SQL数据库或关系数据库可以接受的数据的结构和期望，因此存在很多限制。 与NoSQL模型相比，我们将在一段时间内讨论这些限制。 
 
 
So even though the Relational Database Model still works for most of the sites in the world which do not really need to handle a lot of data, larger websites cannot rely on this model anymore. Enter NoSQL, a non-relational database where the data is stored in a non-tabular format, unlike the traditional database models.
 
 因此，即使关系数据库模型仍然适用于世界上大多数不需要处理大量数据的网站，大型网站也不再能够依赖此模型。 输入NoSQL，这是一个非关系数据库，其中的数据以非表格格式存储，这与传统的数据库模型不同。 
 
 
 什么是NoSQL？ (What is NoSQL?)
 
 
As appropriately named, the NoSQL database model works in a way that’s not peculiar to SQL databases. How does the NoSQL database store data if it’s not tabular? There are different types of NoSQL databases where the data is stored in different ways. 
 
 顾名思义，NoSQL数据库模型的工作方式并非SQL数据库所特有。 如果数据不是表格格式，NoSQL数据库如何存储数据？ 有不同类型的NoSQL数据库，其中数据以不同的方式存储。 
 
 

  

  

 
 
The most common layouts are:
 
 最常见的布局是： 
 
 
Wide-column
 宽列 
Document 
 文件 
Key-Value
 核心价值 
Graph
 图形 
 
Scroll to the bottom of the article of a summarized graph of the different types of layouts, and NoSQL databases for the same. 
 
 滚动到不同类型的布局和NoSQL数据库的摘要图的摘要图的底部 。 
 
 
 NoSQL简史 (Brief History of NoSQL)
 
 
NoSQL is not a new occurrence in the world of software technology. They’ve been in existence since 1998 when the term was first coined by Carlo Strozzi. He created one of the first database systems that did not use the SQL language. 
 
 NoSQL在软件技术领域并不是新生事物。 自1998年这个术语由Carlo Strozzi首次提出以来，它们就一直存在。 他创建了第一个不使用SQL语言的数据库系统。 
 
 
But the database model did not pick up until 2008 when the need for high-velocity data handling started showing up. Larger companies like Google, Facebook, Amazon, etc started leveraging this database to handle their high volume data using the NoSQL databases.
 
 但是直到2008年开始出现对高速数据处理的需求时，数据库模型才开始兴起。 较大的公司，例如Google，Facebook，Amazon等，开始利用此数据库使用NoSQL数据库处理其大量数据。 
 
 

  

   

    
   
   
   
  
 
 
As you can see, the trend picked up in the late 2008s and has continued since then. 
 
 如您所见，这种趋势在2008年代后期开始回升，并且从那时起一直持续。 
 
 
Let’s discuss the common database types in a little more detail.
 
 让我们更详细地讨论常见的数据库类型。 
 
 
 1. NoSQL宽列布局 (1. NoSQL Wide-Column Layout)
 
 
This layout of NoSQL stores data in a very similar fashion to that of a relational database model, i.e., in a tabular format. But what differentiates a Wide-Column layout from the relational model’s tabular layout is that each row can have a different set of columns in a wide column layout. 
 
 NoSQL的这种布局以与关系数据库模型非常类似的方式（即以表格格式）存储数据。 但是，宽列布局与关系模型的表格布局的区别在于，每一行在宽列布局中可以具有一组不同的列。 
 
 
Now, this might sound complicated at first but it’s really not. Instead of having a fixed column set and a variable number of rows, we can have a variable number of rows as well as columns. Even though this might sound complicated at first for a person who has always used the relational database model, it can be displayed in just one illustration.
 
 现在，一开始听起来可能很复杂，但实际上并非如此。 代替固定的列集和可变的行数，我们可以具有可变的行数和列数。 即使对于一向一直使用关系数据库模型的人来说，乍一看这可能听起来很复杂，但它只能以一个插图显示。 
 
 

  

   

    
   
   
   
  
 
 
Use Cases:
 
 用例： 
 
 
IoT related data storage
 物联网相关数据存储 
Reporting systems
 报告系统 
Logging 
 记录中 
TS Data
 TS数据 
 
Databases:
 
 数据库： 
 
 
Amazon DynamoDB 
 亚马逊DynamoDB 
Bigtable
 大表 
Cassandra
 卡桑德拉 
Scylla
 希拉 
HBase
 HBase的 
Hypertable
 超表 
 
 2. NoSQL文档布局 (2. NoSQL Document Layout)
 
 
Now that you know what the wide-column layout is, let’s move to the next, commonly used NoSQL database layout which is the document layout. In conceptual terms, the document layout is really simple. The database stores data in the form of documents in a standard format or with the use of encodings such as JSON, XML, YAML, etc.
 
 现在您知道宽列布局是什么，让我们转到下一个常用的NoSQL数据库布局即文档布局。 从概念上讲，文档的布局非常简单。 数据库以标准格式或使用JSON，XML，YAML等编码的文档形式存储数据。 
 
 
The benefit of using a document layout model is that we can store any type of data within the database. Another benefit of using the NoSQL document layout model is that there are no empty “columns” or variables within the files. Only the required information is stored and the document is closed for retrieval by the database.
 
 使用文档布局模型的好处是我们可以在数据库中存储任何类型的数据。 使用NoSQL文档布局模型的另一个好处是文件中没有空的“列”或变量。 仅存储所需的信息，并且关闭文档以供数据库检索。 
 
 

  

  

 
 
Each document is stored with a key and the databases also provide methods for organizing the files in question. Also, the databases provide the users with mechanisms to retrieve and manipulate the data within the documents. It could be a way to either edit existing documents or completely replace the documents.
 
 每个文档都存储有一个密钥，数据库还提供了用于组织相关文件的方法。 同样，数据库为用户提供了检索和处理文档中数据的机制。 它可能是编辑现有文档或完全替换文档的一种方式。 
 
 
Use cases:
 
 用例： 
 
 
Content Management and Monitoring systems
 内容管理和监控系统 
Web and mobile applications
 网络和移动应用 
 
Databases:
 
 数据库： 
 
 
ArangoDB 
 ArangoDB 
BaseX
 BaseX 
Clusterpoint
 集群点 
Couchbase
 Couchbase 
CouchDB
 CouchDB 
Etc..
 等等.. 
 
 3. NoSQL键值布局 (3. NoSQL Key-Value Layout )
 
 
This is a simple model that pairs a unique key with a value that can be retrieved with the key. The data structure that is used in the key-value database layout is commonly known as a dictionary or hash table. 
 
 这是一个简单的模型，将唯一键与可以通过该键检索的值配对。 键值数据库布局中使用的数据结构通常称为字典或哈希表。 
 
 
When compared to RDBMS where the data structure is fixed, with Key-value layout, you have the flexibility to use any type of value and key pairs. Here’s a quick illustration of what a key-value pair looks like.
 
 与通过键值布局固定数据结构的RDBMS相比，您可以灵活地使用任何类型的值和键对。 这是一个键-值对的外观的快速说明。 
 
 

  

   

    
   
   
   
  
 
 
Use Cases:
 
 用例： 
 
 
Storing clickstream data
 存储点击流数据 
Application logging
 应用日志 
 
Databases:
 
 数据库： 
 
 
ArangoDB 
 ArangoDB 
Aerospike
 气钉 
Couchbase
 Couchbase 
Redis
 雷迪斯 
 
 4. NoSQL图形布局 (4. NoSQL Graph Layout)
 
 
Graph layout databases are used for data that can be easily represented as related to other bits of data. Each node of the graph database represents an entity which could be a person, place, category, etc. Connecting these nodes is a relationship. For example, fruits could be apples or oranges. Apples are a “type of” fruit. 
 
 图形布局数据库用于可轻松表示为与其他数据位相关的数据。 图形数据库的每个节点代表一个实体，该实体可以是人，地点，类别等。连接这些节点是一种关系。 例如，水果可以是苹果或橙子。 苹果是一种“水果”。 
 
 
In a graph database, the above example can be represented as:
 
 在图形数据库中，以上示例可以表示为： 
 
 

  

   

    
   
   
   
  
 
 
As you can see, this is a very simple model in representation but offers a lot of benefits in comparison to RDBMS for modern data.
 
 如您所见，这是一个非常简单的表示模型，但是与RDBMS用于现代数据相比，它提供了很多好处。 
 
 
Use Cases:
 
 用例： 
 
 
Recommendation Systems
 推荐系统 
Geospatial Databases
 地理空间数据库 
 
Databases:
 
 数据库： 
 
 
Amazon Neptune
 亚马逊海王星 
DEX/Sparksee 
 DEX / Sparksee 
Neo4j
 Neo4j 
Sqrrl Enterprise
 Sqrrl企业 
 
 NoSQL与SQL关系数据库–选择哪个？ (NoSQL vs SQL Relational Databases – Which one to choose?)
 
 
When working with databases and choosing the right one, you have to take into account what your application really needs. If you have an application that works with a limited amount of data that is structured an arrives in a specific format, you have no reason to add the complexity of a NoSQL database to your existing systems.
 
 在使用数据库并选择合适的数据库时，必须考虑到应用程序的真正需求。 如果您的应用程序只能处理有限数量的结构化数据，并且采用特定格式，则您没有理由将NoSQL数据库的复杂性添加到现有系统中。 
 
 
But if you’re developing an app that could now, or in future, work with variable data that comes rapidly at a high velocity, it’s best to develop your app with a NoSQL database.

 
 但是，如果您正在开发的应用程序现在或将来可以使用高速变化的可变数据，那么最好使用NoSQL数据库开发应用程序。 
 
 

  
NoSQL Databases
Traditional SQL Databases
Works with variable data
Requires data to be in a structured format
Can handle large volumes of rapidly changing data
Can handle considerably large volumes of similar data
Horizontal Scalability – Can scale across systems and servers
Vertical Scalability – Can scale better as the allocated system resources are increased
Designed with low-cost hardware in mind
Designed with high-performance hardware in mind
  
 NoSQL数据库 
 传统SQL数据库 
 处理可变数据 
 要求数据采用结构化格式 
 可以处理大量快速变化的数据 
 可以处理大量相似数据 
 水平可扩展性–可以跨系统和服务器扩展 
 垂直可扩展性–随着分配的系统资源的增加，可以更好地扩展 
 设计时考虑了低成本硬件 
 设计时考虑了高性能硬件 
 
 
 不同NoSQL数据库类型的摘要列表 (Summarized List of the Different NoSQL Database Types)
 
 

  
Type
Notable examples of this type
Key-Value Cache
Apache Ignite, Couchbase, Coherence, eXtreme Scale, Hazelcast, Infinispan, Memcached, Redis, Velocity
Key-Value Store
ArangoDB, Aerospike, Couchbase, Redis
Key-Value Store (Eventually-Consistent)
Oracle NoSQL Database, Dynamo, Riak, Voldemort
Key-Value Store (Ordered)
FoundationDB, InfinityDB, LMDB, MemcacheDB
Tuple Store
Apache River, GigaSpaces
Object Database
Objectivity/DB, Perst, ZopeDB
Document Store
ArangoDB, BaseX, Clusterpoint, Couchbase, CouchDB, DocumentDB, eXist-db, IBM Domino, MarkLogic, MongoDB, Qizx, RethinkDB, Elasticsearch
Wide Column Store
Amazon DynamoDB, Bigtable, Cassandra, Scylla, HBase, Hypertable
Native Multi-model Database
ArangoDB, Cosmos DB, OrientDB, MarkLogic
Graph Database
Amazon Neptune, DEX/Sparksee, Neo4j, Sqrrl Enterprise
  
 类型 
 这种类型的著名例子 
 键值缓存 
 Apache Ignite，Couchbase，Coherence，eXtreme Scale，Hazelcast，Infinispan，Memcached，Redis，Velocity 
 键值存储 
 ArangoDB，Aerospike，Couchbase，Redis 
 键值存储（最终一致） 
 Oracle NoSQL数据库，Dynamo，Riak，Voldemort 
 键值存储（已订购） 
 FoundationDB，InfinityDB，LMDB，MemcacheDB 
 元组商店 
 阿帕奇河，GigaSpaces 
 对象数据库 
 客观性/数据库，Perst，ZopeDB 
 文件存储 
 ArangoDB，BaseX，Clusterpoint，Couchbase，CouchDB，DocumentDB，eXist-db，IBM Domino，MarkLogic，MongoDB，Qizx，RethinkDB，Elasticsearch 
 宽列存储 
 Amazon DynamoDB，Bigtable，Cassandra，Sylla，HBase，Hypertable 
 本机多模型数据库 
 ArangoDB，Cosmos DB，OrientDB，MarkLogic 
 图数据库 
 Amazon Neptune，DEX / Sparksee，Neo4j，Sqrrl Enterprise 
 
 
Source: Table from Wikipedia NoSQL Page
 
 资料来源 ： Wikipedia NoSQL页面上的表格 
 
 
 结论 (Conclusion)
 
 
We hope that this post has helped you understand NoSQL better and has also cleared any questions that you might have had in your mind. NoSQL and non-relational database models are the modern way of handling data and will become a commonplace even in regular businesses in the coming future. 
 
 我们希望这篇文章可以帮助您更好地理解NoSQL，并清除您可能想到的任何问题。 NoSQL和非关系数据库模型是处理数据的现代方法，并且即使在未来的将来，在常规业务中也将变得司空见惯。 
 
 
So it’s a good idea to get yourself well-versed with the new model of data storage for your own future prospects. 
 
 因此，让自己熟悉新的数据存储模型是一个不错的主意，以适合您自己的未来前景。 
 
 
One thing to keep in mind is that even though NoSQL provides a lot of advantages over traditional databases, it comes with its own limitations which are out of scope for this topic at present. But do let us know if you have any questions in mind by commenting below.

 
 要记住的一件事是，尽管NoSQL提供了优于传统数据库的许多优势，但它也有其自身的局限性，目前这些局限性已超出了范围。 但请在下方评论，让我们知道您是否有任何疑问。 
 
 

  
翻译自: https://www.journaldev.com/36476/what-is-nosql-database
 
 
nosql数据库是什么

1. NoSQL简介
 

 通常NoSQL数据库具有以下几个特点：
 (1)灵活的扩展性。
 (2)灵活的数据模型。
 (3)与云计算紧密结合。
 
2. NoSQL兴起的原因
 
关系型数据库已经无法满足web2.0的需求。主要表现在以下几个方面：
 (1)无法满足海量的数据管理需求。
 (2)无法满足数据高并发的需求。
 (3)无法满足高可扩展性和高可用性的需求。
 

 MySQL集群是否可以完全解决问题？
 
复杂性：部署、管理、配置很复杂。
数据库复制：MySQL主备之间采用复制方式，只能是异步复制，当主库压力较大时可能产生较大时延，主备切换可能会丢失最后一部分更新事务，这时往往需要人工介入，备份和恢复不方便。
扩容问题：如果系统压力过大需要增加新的机器，这个过程涉及数据重新划分，整过过程比较复杂，且容易出错。
动态数据迁移问题：如果某个数据库组压力过大，需要将其中部分数据迁移出去，迁移过程需要总控节点整体协调，以及数据库节点的配合。这个过程很难做到自动化。
 
 
“One size fits all”模式很难适用于截然不同的业务场景
 •关系模型作为统一的数据模型既被用于数据分析，也被用于在线业务。但这两者一个强调高吞吐，一个强调低延时，已经演化出完全不同的架构。用同一套模型来抽象显然是不合适的
 •Hadoop就是针对数据分析
 •MongoDB、Redis等是针对在线业务，两者都抛弃了关系模型
 
 
关系数据库的关键特性包括完善的事务机制和高效的查询机制。但是，关系数据库引以为傲的两个关键特性，到了Web2.0时代却成了鸡肋，主要表现在以下几个方面：
 （1 ）Web2.0 网站系统通常不要求严格的数据库事务
 （2 ）Web2.0 并不要求严格的读写实时性
 （3 ）Web2.0 通常不包含大量复杂的SQL 查询 （去结构化，存储空间换取更好
 的查询性能）
 
 
3. NoSQL与关系数据库的比较
 

 
 
 
总结
 （1 ）关系数据库
 优势：以完善的关系代数理论作为基础，有严格的标准，支持事务ACID四性，借助索引机制可以实现高效的查询，技术成熟，有专业公司的技术支持.
 劣势：可扩展性较差，无法较好支持海量数据存储，数据模型过于死板、无法较好支持Web2.0应用，事务机制影响了系统的整体性能等.
 （2 ）NoSQL 数据库
 优势：可以支持超大规模数据存储，灵活的数据模型可以很好地支持Web2.0应用，具有强大的横向扩展能力等.
 劣势：缺乏数学理论基础，复杂查询性能不高，大都不能实现事务强一致性，很难实现数据完整性，技术尚不成熟，缺乏专业团队的技术支持，维护较困难等.
 
总结
 关系数据库和NoSQL数据库各有优缺点，彼此无法取代
 • 关系数据库应用场景：电信、银行等领域的关键业务系统，需要保证强事务一致性.
 •NoSQL 数据库应用场景：互联网企业、传统企业的非关键业务（比如数据分析）采用混合架构.
 •案例：亚马逊公司就使用不同类型的数据库来支撑它的电子商务应用
 •对于“购物篮”这种临时性数据，采用键值存储会更加高效
 •当前的产品和订单信息则适合存放在关系数据库中
 •大量的历史订单信息则适合保存在类似MongoDB的文档数据库中
 
4. NoSQL的四大类型
 
NoSQL数据库虽然数量众多，但是，归结起来，典型的NoSQL数据库通常包括键值数据库、列族数据库、文档数据库和图形数据库.
 
 
 
 4.1 键值数据库
 
 
 4.2 列族数据库
 
 4.3文档数据库
 
 
 •数据是不规则的，每一条记录包含了所有的有关“SequoiaDB”的信息而没有任何外部的引用，这条记录就是“自包含”的
 •这使得记录很容易完全移动到其他服务器，因为这条记录的所有信息都包含在里面了，不需要考虑还有信息在别的表没有一起迁移走
 •同时，因为在移动过程中，只有被移动的那一条记录（文档）需要操作，而不像关系型中每个有关联的表都需要锁住来保证一致性，这样一来ACID的保证就会变得更快速，读写的速度也会有很大的提升
 
 
4.4 图形数据库
 
 4.5 不同类型数据库比较分析
 
 •MySQL产生年代较早，而且随着LAMP大潮得以成熟。尽管其没有什么大的改进，但是新兴的互联网使用的最多的数据库
 •MongoDB是个新生事物，提供更灵活的数据模型、异步提交、地理位置索引等五花十色的功能
 •HBase是个“仗势欺人”的大象兵。依仗着Hadoop的生态环境，可以有很好的扩展性。但是就像象兵一样，使用者需要养一头大象(Hadoop),才能驱使他
 •Redis是键值存储的代表，功能最简单。提供随机数据存储。就像一根棒子一样，没有多余的构造。但是也正是因此，它的伸缩性特别好。就像悟空手里的金箍棒，大可捅破天，小能成缩成针
 
5. NoSQL的三大基石
 
 
5.1 CAP
 所谓的CAP指的是：
 
C （Consistency ）：一致性，是指任何一个读操作总是能够读到之前完成的写操作的结果，也就是在分布式环境中，多点的数据是一致的，或者说，所有节点在同一时间具有相同的数据
A: （Availability ）：可用性，是指快速获取数据，可以在确定的时间内返回操作结果，保证每个请求不管成功或者失败都有响应；
P （Tolerance of Network Partition ）：分区容忍性，是指当出现网络分区的情况时（即系统中的一部分节点无法和其他节点进行通信），分离的系统也能够正常运行，也就是说，系统中任意信息的丢失或失败不会影响系统的继续运作。
 
CAP理论告诉我们，一个分布式系统不可能同时满足一致性、可用性和分区容忍性这三个需求，最多只能同时满足其中两个，正所谓“鱼和熊掌不可兼得”（量子通信或许可以鱼和熊掌兼得）。
 
 
 

 
 
当处理CAP的问题时，可以有几个明显的选择：
 
CA：也就是强调一致性（C）和可用性（A），放弃分区容忍性（P），最简单的做法是把所有与事务相关的内容都放到同一台机器上。很显然，这种做法会严重影响系统的可扩展性。传统的关系数据库（MySQL、SQL Server和PostgreSQL），都采用了这种设计原则，因此，扩展性都比较差
CP：也就是强调一致性（C）和分区容忍性（P），放弃可用性（A），当出现网络分区的情况时，受影响的服务需要等待数据一致，因此在等待期间就无法对外提供服务
AP：也就是强调可用性（A）和分区容忍性（P），放弃一致性（C），允许系统返回不一致的数据
 
 
5.2 说起BASE（Basically Availble, Soft-state, Eventual consistency），
 不得不谈到ACID。
 
 
一个数据库事务具有ACID四性：
 
A（Atomicity）：原子性，是指事务必须是原子工作单元，对于其数据修改，要么全都执行，要么全都不执行
C（Consistency）：一致性，是指事务在完成时，必须使所有的数据都保持一致状态
I（Isolation）：隔离性，是指由并发事务所做的修改必须与任何其它并发事务所做的修改隔离
D（Durability）：持久性，是指事务完成之后，它对于系统的影响是永久性的，该修改即使出现致命的系统故障也将一直保持
 BASE的基本含义是基本可用（Basically Availble）、软状态（Soft-state）和
 
最终一致性（Eventual consistency）：
 
基本可用
 基本可用，是指一个分布式系统的一部分发生问题变得不可用时，其他部分仍然可以正常使用，也就是允许分区失败的情形出现
软状态
 “软状态（soft-state）”是与“硬状态（hard-state）”相对应的一种提法。数据库保存的数据是“硬状态”时，可以保证数据一致性，即保证数据一直是正确。“软状态”是指状态可以有一段时间不同步，具有一定的滞后性
 
BASE的基本含义是基本可用（Basically Availble）、软状态（Soft-state）和最终一致性（Eventual consistency）：
 
最终一致性
 一致性的类型包括强一致性和弱一致性，二者的主要区别在于高并发的数据访问操作下，后续操作是否能够获取最新的数据。对于强一致性而言，当执行完一次更新操作后，后续的其他读操作就可以保证读到更新后的最新数据；反之，如果不能保证后续访问读到的都是更新后的最新数据，那么就是弱一致性。而最终一致性只不过是弱一致性的一种特例，允许后续的访问操作可以暂时读不到更新后的数据，但是经过一段时间之后，必须最终读到更新
 后的数据。
 最常见的实现最终一致性的系统是DNS（域名系统）。一个域名更新操作根据配置的形式被分发出去，并结合有过期机制的缓存；最终所有的客户端可以看到最新的值。
 
5.3 最终一致性
 
最终一致性根据更新数据后各进程访问到数据的时间和方式的不同，又可以
 区分为：
 
因果一致性：如果进程A通知进程B它已更新了一个数据项，那么进程B的后续访问将获得A写入的最新值。而与进程A无因果关系的进程C的访问，仍然遵守一般的最终一致性规则
“读己之所写”一致性：可以视为因果一致性的一个特例。当进程A自己执行一
 个更新操作之后，它自己总是可以访问到更新过的值，绝不会看到旧值
单调读一致性：如果进程已经看到过数据对象的某个值，那么任何后续访问都不会返回在那个值之前的值
会话一致性：它把访问存储系统的进程放到会话（session）的上下文中，只要会话还存在，系统就保证“读己之所写”一致性。如果由于某些失败情形令会话终止，就要建立新的会话，而且系统保证不会延续到新的会话
单调写一致性：系统保证来自同一个进程的写操作顺序执行。系统必须保证这种程度的一致性，否则就非常难以编程了
 
如何实现各种类型的一致性？
 对于分布式数据系统：
 
N — 数据复制的份数
W — 更新数据是需要保证写完成的节点数
R — 读取数据的时候需要读取的节点数
 
如果W+R>N，写的节点和读的节点重叠，则是强一致性。例如对于典型的一主一备同步复制的关系型数据库，N=2,W=2,R=1，则不管读的是主库还是备库的数据，都是一致的。一般设定是R＋W = N+1，这是保证强一致性的最小设定
 
如果W+R<=N，则是弱一致性。例如对于一主一备异步复制的关系型数据库，N=2,W=1,R=1，则如果读的是备库，就可能无法读取主库已经更新过的数据，所以是弱一致性。
 
对于分布式系统，为了保证高可用性，一般设置N>=3。不同的N,W,R组合，是在可用性和一致性之间取一个平衡，以适应不同的应用场景。
 
如果N=W,R=1，任何一个写节点失效，都会导致写失败，因此可用性会降低，但是由于数据分布的N个节点是同步写入的，因此可以保证强一致性。
 
实例：HBase是借助其底层的HDFS来实现其数据冗余备份的。HDFS采用的就是强一致性保证。在数据没有完全同步到N个节点前，写操作是不会返回成功的。也就是说它的W＝N，而读操作只需要读到一个值即可，也就是说它R＝1。
 
像Voldemort，Cassandra和Riak这些类Dynamo的系统，通常都允许用户按需要设置N，R，W三个值，即使是设置成W＋R<= N也是可以的。也就是说他允许用户在强一致性和最终一致性之间自由选择。而在用户选择了最终一致性，或者是W<N的强一致性时，则总会出现一段“各个节点数据不同步导致系统处理不一致的时间”。为了提供最终一致性的支持，这些系统会提供一些工具来使数据更新被最终同步到所有相关节点。
 
6. 从NoSQL到NewSQL数据库
 
 
 
7.1 MongoDB简介
 
MongoDB 是由C++语言编写的，是一个基于分布式文件存储的开源数据库
 系统。
在高负载的情况下，添加更多的节点，可以保证服务器性能。
MongoDB 旨在为WEB应用提供可扩展的高性能数据存储解决方案。
MongoDB 将数据存储为一个文档，数据结构由键值(key=>value)对组成。
 MongoDB 文档类似于 JSON 对象。字段值可以包含其他文档，数组及文档
 数组。
 
 
主要特点：
 
提供了一个面向文档存储，操作起来比较简单和容易
可以设置任何属性的索引来实现更快的排序
具有较好的水平可扩展性
支持丰富的查询表达式，可轻易查询文档中内嵌的对象及数组
可以实现替换完成的文档（数据）或者一些指定的数据字段
MongoDB中的Map/Reduce主要是用来对数据进行批量处理和聚合操作
支持各种编程语言:RUBY，PYTHON，JAVA，C++，PHP，C#等语言
MongoDB安装简单
 
7.2 MongoDB概念解析
 
 
 
举例2：在一个关系型数据库中，一篇博客（包含文章内容、评论、评论的投票）会被打散在多张数据表中。在文档数据库MongoDB中，能用一个文档来表示一篇博客， 评论与投票作为文档数组，放在正文主文档中。这样数据更易于管理，消除了传统关系型数据库中影响性能和水平扩展性的“JOIN”操作。
 
 
 
数据库
 
一个mongodb中可以建立多个数据库。
MongoDB的默认数据库为"db"，该数据库存储在data目录中。
MongoDB的单个实例可以容纳多个独立的数据库，每一个都有自己的集
 合和权限，不同的数据库也放置在不同的文件中。
 
文档
 文档是一个键值(key-value)对(即BSON)。MongoDB 的文档不需要设置相同的字段，并且相同的字段不需要相同的数据类型，这与关系型数据库有很大的区别，也是 MongoDB 非常突出的特点。
 
一个简单的文档例子如下：
 {“site”:“dblab.xmu.edu.cn”, “name”:“厦门大学数据库实验室"}
 
 
集合
 
集合就是 MongoDB 文档组，类似于 RDBMS （关系数据库管理系统：Relational Database Management System)中的表格。
集合存在于数据库中，集合没有固定的结构，这意味着你在对集合可以插入不同格式和类型的数据，但通常情况下我们插入集合的数据都会有一定的关联性。
 比如，我们可以将以下不同数据结构的文档插入到集合中：
 {“site”:“www.baidu.com”}
 {“site”:“dblab.xmu.edu.cn”, “name”:“厦门大学数据库实验室"}
 {“site”:“www.runoob.com”,“name”:“菜鸟教程”,“num”:5}
 
 
7.3 安装MongoDB
 
 
7.4 访问MongoDB
 
 
使用 MongoDB shell 来连接 MongoDB 服务器
 mongodb://localhost
 
 
使用用户名和密码连接登陆到指定数据库：
 mongodb://admin:123456@localhost/test
 
 
MongoDB 创建数据库
 MongoDB 创建数据库的语法格式如下：
 
use DATABASE_NAME
 
如果数据库不存在，则创建数据库，否则切换到指定数据库。
 
如果你想查看所有数据库，可以使用 show dbs 命令
 
创建集合
 MongoDB没有单独创建集合名的shell命令，在插入数据的时候，
 MongoDB会自动创建对应的集合。
 
7.4.1 使用 MongoDB shell访问MongoDB
 
MongoDB 插入文档
 文档的数据结构和JSON基本一样。
 所有存储在集合中的数据都是BSON格式。
 BSON是一种类JSON的一种二进制形式的存储格式,简称Binary JSON。
 MongoDB 使用 insert() 或 save() 方法向集合中插入文档，语法如下：
 
db.COLLECTION_NAME.insert(document)
 
实例
 
>db.col.insert({title: 'MongoDB 教程',
description: 'MongoDB 是一个 Nosql 数据库',
by: ‘厦门大学数据库实验室',
url: 'http://dblab.xmu.edu.cn',
tags: ['mongodb', 'database', 'NoSQL'],
likes: 100
})
 
7.4.2 使用Java程序访问 MongoDB
 
MongoDB Java
 环境配置
 
在Java程序中如果要使用MongoDB，需要确保已经安装了Java环境及
 MongoDB JDBC 驱动。
首先必须下载mongo jar包，下载地址：https://github.com/mongodb/mongo-
 java-driver/downloads, 请确保下载最新版本。
需要将mongo.jar包含在你的 classpath 中
 
（1 ）连接数据库
 
import com.mongodb.MongoClient;
……//这里省略其他需要导入的包
public class MongoDBJDBC{
public static void main( String args[] ){
try{
// 连接到 mongodb 服务
MongoClient mongoClient = new MongoClient( "localhost" , 27017 );
// 连接到数据库
DB db = mongoClient.getDB( "test" );
System.out.println("Connect to database successfully");
boolean auth = db.authenticate(myUserName, myPassword);
System.out.println("Authentication: "+auth);
}catch(Exception e){
System.err.println( e.getClass().getName() + ": " + e.getMessage() );
}
}
}
 
（2 ）创建集合 可以使用com.mongodb.DB类中的createCollection()来创建集合
 
public class MongoDBJDBC{
public static void main( String args[] ){
try{
// 连接到 mongodb 服务
MongoClient mongoClient = new MongoClient( "localhost" , 27017 );
// 连接到数据库
DB db = mongoClient.getDB( "test" );
System.out.println("Connect to database successfully");
boolean auth = db.authenticate(myUserName, myPassword);
System.out.println("Authentication: "+auth);
DBCollection coll = db.createCollection("mycol");
System.out.println("Collection created successfully");
}catch(Exception e){
System.err.println( e.getClass().getName() + ": " + e.getMessage() );
}
}
}
 
（3 ）插入文档 可以使用com.mongodb.DBCollection类的 insert() 方法来插入一个文档
 
public class MongoDBJDBC{
public static void main( String args[] ){
try{ // 连接到 mongodb 服务
MongoClient mongoClient = new MongoClient( "localhost" , 27017 );
DB db = mongoClient.getDB( "test" ); // 连接到数据库
System.out.println("Connect to database successfully");
boolean auth = db.authenticate(myUserName, myPassword);
System.out.println("Authentication: "+auth);
DBCollection coll = db.getCollection("mycol");
System.out.println("Collection mycol selected successfully");
BasicDBObject doc = new BasicDBObject("title", "MongoDB").
append("description", "database").
append("likes", 100).
append("url", "http://www.w3cschool.cc/mongodb/").
append("by", "w3cschool.cc");
coll.insert(doc);
System.out.println("Document inserted successfully");
}catch(Exception e){
System.err.println( e.getClass().getName() + ": " + e.getMessage() );
}
}
}
 
本章小结
 
本章介绍了NoSQL数据库的相关知识
NoSQL数据库较好地满足了大数据时代的各种非结构化数据的存储需求，开始得到越来越广泛的应用。但是，需要指出的是，传统的关系数据库和NoSQL数据库各有所长，彼此都有各自的市场空间，不存在一方完全取代另一方的问题，在很长的一段时期内，二者都会共同存在，满足不同应用的差异化需求
NoSQL数据库主要包括键值数据库、列族数据库、文档型数据库和图形数据库等四种类型，不同产品都有各自的应用场合。CAP、BASE和最终一致性是NoSQL数据库的三大理论基石，是理解NoSQL数据库的基础
介绍了融合传统关系数据库和NoSQL优点的NewSQL数据库
本章最后介绍了具有代表性的NoSQL数据库——文档数据库MongoDB