[大数据] MongoDB学习笔记-1、NoSQL基础

原子性很容易理解，也就是说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。比如银行转账，从A账户转100元至B账户，分为两个步骤：1）从A账户取100元；2）存入100元至B账户。这两步要么一起完成，要么一起不完成，如果只完成第一步，第二步失败，钱会莫名其妙少了100元。

（2）C (Consistency) 一致性

一致性也比较容易理解，也就是说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）I (Isolation) 独立性

所谓的独立性是指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。比如现有有个交易是从A账户转100元至B账户，在这个交易还未完成的情况下，如果此时B查询自己的账户，是看不到新增加的100元的

（4）D (Durability) 持久性

持久性是指一旦事务提交后，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。

【扩展】CAP的介绍

C：Consistency（强一致性）
A：Availability（可用性）
P：Partition tolerance（分区容错性）

CAP理论就是说在分布式存储系统中，最多只能实现上面的两点。而由于当前的网络硬件肯定会出现延迟丢包等问题，所以在分布式系统中分区容错性是我们必须需要实现的。所以我们只能在一致性和可用性之间进行权衡，没有NoSQL系统能同时保证这三点。

CA：传统Oracle数据库。（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。）

AP：大多数网站架构的选择在。（满足可用性，分区容错性的系统，通常可能对一致性要求低一些。）

CP： Redis、Mongodb。（满足一致性，分区容错性的系统，通常性能不是特别高。）

1.2、为什么使用NoSQL？

今天我们可以通过第三方平台（如：Google,Facebook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。

由于关系型数据库的范式约束、事物特性、磁盘IO等特点，若服务器使用关系型数据库，当有大量数据产生时，传统的关系型数据库已经无法满足快速查询与插入数据的需求，NoSQL的出现解决了这一危机。它通过降低数据的安全性，减少对事务的支持，减少对复杂查询的支持，获取性能上的提升，但是，在某些特定场景下NoSQL仍然不是最佳选择，比如一些绝对要有事务与安全指标的场景。

具有灵活的数据模型，可以处理非结构化/半结构化的大数据；
容易实现可伸缩性（向上扩展与水平扩展）；
读写性能高（无关系性的数据、数据库结构简单）。

现在一般互联网公司，都是关系型数据库与非关系型数据库组合使用。关系型数据库用来做数据的存储与持久化，非关系型数据库用来做内存、缓存，某些场景不需要事务但是频繁读取操作也用到非关系型数据库。

【注意】现在NoSQL没有一个统一标准的，也就是说，每学习一种非关系型数据库，它们里的查询之类的都不一样，这样学习成本就很大了，所以NoSQL这个缺点很大。

1.3、NoSQL数据库四大家族

1.3.1、键值（key-value）存储

特点：键值数据库就像传统语言中使用的哈希表。通过key添加、查询或者删除数据。
优点：查询速度快。
缺点：数据无结构化，通常只被当做字符串或者二进制数据存储。
应用场景：内容缓存、用户信息，比如会话、配置信息、购物车等，主要用于处理大量数据的高访问负载。
NoSQL代表：Redis（临时性/永久性键值存储）、Memcached（临时性键值存储）、DynamoDB等。

1.3.2、文档（Document-Oriented）

特点：该类型的数据模型是版本化的文档，半结构化的文档以特定的格式存储，比如json，是一系列数据项的集合，每个数据项都有一个名称与对应的值，值既可以是简单的数据类型，如字符串、数字和日期等；也可以是复杂的类型，如有序列表和关联对象。
优点：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。
缺点：查询性能不高，缺乏统一的查询语法。
应用场景：日志、Web应用等。
NoSQL代表：MongoDB、CouchDB等。

1.3.3、列族存储

特点：应对分布式存储的海量数据。列存储数据库将数据存储在列表中，将多个列聚合成一个列族，键仍然存在，但是它们的特点是指向了多个列。举个例子，如果我们有一个Person类，我们通常会一起查询他们的姓名和年龄而不是薪资，这种情况下，姓名和年龄就会被放入一个列族中，而薪资则在另一个列族中。
优点：列存储查询速度快，可扩展性强，更容易进行分布式扩展，适用于分布式的文件系统，应对分布式存储的海量数据。
缺点：查询性能不高，缺乏统一的查询语法。
应用场景：日志、分布式的文件系统（对象存储）、推荐画像、时空数据、消息/订单等。
NoSQL代表：Cassandra、HBase等。

1.3.4、图形存储

特点：图形数据库允许我们将数据以图的方式存储，它是使用灵活的图形模型，并且能够扩展到多个服务器上。
优点：图形相关算法，比如最短路径寻址，N度关系查找等。
缺点：很多时候需要对整个图做计算才能得出需要的信息，分布式的集群方案不好做，处理超级节点乏力，没有分片存储机制，国内社区不活跃。
应用场景：社交网络，推荐系统等。专注于构建关系图谱。
NoSQL代表：Neo4j、Infinite Graph等。

1.4、NoSQL优缺点

（1）、优点：

高扩展性：像NoSQL数据库（例如Cassandra）能轻松地添加新的节点来扩展这个集群。而关系型数据库存在join这样多表查询机制，使得数据库在扩展方面很艰难；
高可用（读写快）：查询效率高，关系型数据库受限于磁盘IO，在高并发情况下压力倍增，而像Redis这种内存数据库每秒支持10W次读写。
数据模型灵活：传统关系型数据库都是结构化的表，而NoSQL可以是键值、文档、列族、图形。
低成本：开源软件，相比Oracle这种企业授权费用低了不少。

（2）、缺点：

没有固定的查询标准，学习成本高；
大多数不支持事务（Redis支持，MongoDB不支持）；
大多数都是初创产品，不够成熟。

1.5、数据库管理系统排行

根据DB-Engines：DB-Engines Ranking - popularity ranking of database management systems 的排行，本文截取了排行榜 Top 45 如下图所示。DB-Engines 排名根据数据库管理系统的受欢迎程度对其进行排名。该排名每月更新一次。