NoSQL的基本概念

NoSQL(Not only SQL):不仅仅是SQL,泛指非关系型数据库，是对不同于传统的关系型数据库的数据库管理系统的统称。用于超大规模数据的存储，这些类型的数据存储不需要固定的模式，无需多余操作就可以横向扩展。

为什么使用NoSQL

如今我们可以通过第三方平台（如：百度,QQ等）可以很容易的访问和抓取数据。用户的个人信息，社交网络，地理位置，用户生成的数据和用户操作日志已经成倍的增加。我们如果要对这些用户数据进行挖掘，那SQL数据库已经不适合这些应用了, NoSQL数据库的发展却能很好的处理这些大的数据。

RDBMS与NoSQL的区别

RDBMS

关系数据库管理系统（Relational Database Management System):管理关系数据库，并将数据逻辑组织的系统。

特点

• 高度组织化结构化数据
• 结构化查询语言(SQL)
• 数据和关系都存储在单独的表中
• 数据操控语言，数据定义语言
• 严格的一致性
• 基础事务

遵循ACID原则

1.原子性(Atomicity)
事务里的所有操作要么全部做完，要么都不做，事务成功的条件是事务里的所有操作都成功，只要有一个操作失败，整个事务就失败，需要回滚。
2.一致性(Consistency)
数据库要一直处于一致的状态，事务的运行不会改变数据库原本的一致性约束。
3.隔离性(Isolation)
并发的事务之间不会互相影响，如果一个事务要访问的数据正在被另外一个事务修改，只要另外一个事务未提交，它所访问的数据就不受未提交事务的影响。
4.持久性(Durability)
一旦事务提交后，它所做的修改将会永久的保存在数据库上，即使出现宕机也不会丢失。

NoSQL

特点

• 不仅仅是SQL
• 没有声明性查询语言
• 没有预定义的模式
• 键值对存储、列存储、文档存储、图形数据库
• 最终一致性
• 非结果化和不可预知的数据
• CAP定理
• 高性能、高可用、可伸缩性

CAP定理

CAP定理:又称为布鲁尔定理，指出对于一个分布式计算系统，不可能同时满足以下三点

1.一致性(Consistency)
在分布式系统中的所有数据备份，在同一时刻具有相同的数据。
2.可用性(Availability)
保证每个请求不管成功或者失败都有响应
3.分区容错性(Partition tolerance)
系统中任意信息的丢失或失败不会影响系统的继续运作

一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，最多只能同时较好的满足两个。

因此，根据CAP原理将NoSQL数据库分成了满足CA原则、满足CP原则和满足AP原则三大类：

• CA – 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大
• CP – 满足一致性，分区容忍性的系统，通常性能不是特别高
• AP – 满足可用性，分区容忍性的系统，通常可能对一致性要求低一些

BASE理论

BASE(Basically Available, Soft-state, Eventually Consistent):是对 CAP 中的一致性和可用性进行一个权衡的结果，理论的核心思想就是：我们无法做到强一致，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性

1.Basically Available(基本可用) 
分布式系统在出现故障的时候，允许损失部分可用性，即保证核心功能或者当前最重要功能可用。对于用户来说，他们当前最关注的功能或者最常用的功能的可用性将会获得保证，但是其他功能会被削弱。
2.Soft-state(软状态)
允许系统数据存在中间状态，但不会影响到系统的整体可用性，即允许系统在不同节点的数据副本之间进行数据同步时存在延时。
3.Eventually Consistency(最终一致性)
要求系统数据副本最终能够一致，而不需要实时保证数据副本一致。最终一致性是弱一致性的一种特殊情况。最终一致性有5个变种：因果一致性，读己之所写（例如发微博的时候，自己可以马上看到，但是粉丝要过几秒钟），会话一致性，单调读一致性，单调写一致性。

Nosql的四大类别

键值对存储数据库

使用键值(key-value)对存储的数据库
可以通过key快速查询到value, 一般不需要考虑value的格式
应用场景:内容缓存(存储用户信息，参数，购物车)
典型代表：Redis

列式存储数据库

以列相关存储架构进行数据存储的数据库
方便存储结构化和半结构化数据，方便做数据压缩，对针对某一列或者某几列的查询有非常大的IO优势
应用场景:批量数据存储与即时查询
典型代表:HBase

文档存储数据库

是旨在将半结构化数据存储为文档的一种数据库
文档数据库通常以 JSON 或 XML 格式存储数据。读取一个JSON中不存在的字段也不会导致SQL那样的语法错误，可以解决关系型数据库表结构schema扩展不方便的问题
应用场景:由于文档数据库的no-schema特性，可以存储和读取任意数据
典型代表:MongoDB

图关系数据库

图形数据库应用图形理论存储实体之间的关系信息
应用场景：关系型数据库用于存储“关系型”数据的效果并不好，其查询复杂、缓慢、超出预期，而图形数据库的独特设计恰恰弥补了这个缺陷，解决关系型数据库存储和处理复杂关系型数据功能较弱的问题。
典型代表:Neo4j

其他

除了以上四种，还有全文搜索引擎，通过索引来达到快速查询的目的，来解决关系型数据库全文搜索功能较弱的问题。典型代表是Elasticsearch

参考网址

https://www.runoob.com/mongodb/nosql.html