NoSql介绍

在很早的年代，一个网站的访问量不会太大，单个数据库（Mysql）完全够用

瓶颈：

①数据量太大时一个机器放不下

②数据超过300万，需要建立索引，机器内存也放不下

③访问量比较大（读写混合），服务器承受不了，性能差

读操作比较多，为了减轻数据库的压力，我们可以使用缓存来保证效率

发展过程：
优化数据结构和索引——》文件缓存（IO）——》Memcached

MyISAM：表锁，效率低，高并发下出现锁问题——》Innodb：行锁。
早些年通过分库分表来解决写的压力（Mysql集群）

Mysql等关系型数据库就不够用了，有的使用mysql存储博客、图片等大文件，造成了数据库表很大，效率就低了，如果有一种可以专门处理这类数据的数据库，Mysql的压力就小了（开始研究）,在大数据IO下，表结构几乎无法修改

NoSql = Not only Sql（不仅仅是sql），泛指非关系型数据库

（关系型数据库：表格（行和列））

随着Web2.0互联网的诞生，传统的关系型数据库很难对付web2.0时代，尤其是超大规模的高并发的社区，暴露出来很多难以克服的问题，NoSQL在当今大数据的情况下发展十分迅速，Redis是发展最快的

用户的个人信息，社交网络，地理位置，用户自己产生的数据等类型的存储不需要一个固定的格式，不需要多余的操作就可以横向拓展（Map）

用户的个人信息，社交网络，地理位置，用户自己产生的数据，用户的日志爆发增长，此时无法使用关系型数据库，这时我们就要用Nosql来处理以上的情况

①方便扩展，数据之间没有关系，很好扩展

②大数据量高性能，Redis一秒写8万次，读取11万次，NoSql的缓存记录级的，是一种细粒度的缓存，性能高

③数据类型是多样型的，不需要事先设计数据库，随取随用，对于关系型数据库，如果是数据库量十分大的表，就很难设计了

传统的RDBMS：

结构化组织SQL数据和关系都存储在单独的表中操作增删改查，数据定义语言严格的一致性基础的事务操作。。。

NoSql：

不仅仅是数据

没有固定的查询语言

键值对存储，列存储，文档存储，图形数据库

最终一致性

CAP定理和base（异地多活）

高性能，高可用，高可扩展

。。。。

大数据时代的3V：主要是描述问题的

海量Volume多样Variety实时Velocity

大数据时代的3高：主要是对程序的要求

高并发高可拓展高性能

在公司中的实践：NoSql+RDBMS一起使用

# 商品的基本信息
	- 名称、价格、商家信息，关系型数据库就可以解决（MYSQL/Oracle）
    - 淘宝内部的MYSQL不是大家用的MYSQL
# 商品的描述、评论（文字较多）
	- 文档型数据库，MongDB
# 图片
	- 分布式文件系统 FastDFS、淘宝的TFS、Google的GFS、Hadoop的HDFS、阿里云的OSS
# 商品的关键字（搜索）
	- 搜索引擎，solr、elasticsearch、淘宝用的ISerach
# 商品热门波段信息
	- 内存数据库，Redis、Tair、Memache...
# 商品的交易、外部的支付接口
	- 三分应用

大型互联网应用问题：

数据类型太多数据源繁多。经常重构数据要改造，大面积改造

解决：

KV键值对：

新浪：Redis美团：Redis+Tair阿里、百度：Redis、mecache

文档型数据库（bson格式和json一样）：

MongoDB（一般必须掌握）

MongoDB是一个基于分布式文件存储的数据库，C++编写，主要用来处理大量文档MongoDB是一个介于关系型数据库和非关系型数据库中间的产品，MongoDB是非关系型数据库中功能最丰富，最像关系型数据库的 ConthDB

列存储数据库：

Hbase分布式文件系统

图关系型数据库：

不是用来放图形的，放的是关系，比如：朋友圈社交网络，广告推荐Neo4j、InfoGrid

四者对比：