缓存数据库初识

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。

缓存数据库初识

标签：动态   blank   构建   oracle   mongodb   接受   基础   cassandra   cabinet