关系型数据库的局限

NoSql出现在关系型数据库之后，主要是为了解决关系型数据库的短板，我们先来看看随着软件行业的发展，关系型数据库面临了哪些挑战：

1、高并发

一个最典型的就是电商网站，例如双11，几亿大军的点击造成在某一时刻的并发量是很高的，传统的关系型数据库肯定已经是不堪重负了，如Oracle的Session数量推荐的才只有500。

2、高效率存储海量数据

大数据时代，数据量已经不是用GB、TB来衡量了，而是EB、ZB了，面对这海量的数据，如何高效率的存储这些数据，关系型数据库无法解决这个问题，以Oracle为例，单机的物理扩展不仅成本高，而且难度也加大了。

3、高可用&高扩展

Oracle即使RAC能扩展数台机器，但数量也是有限。

NoSql的出现即是为了解决这些问题了，但是NoSql并不是用来替代关系型数据库的，因为它本身也有着不可克服的缺陷，俗话说，好处不可能都让你占了。

关系型数据库与NoSql一致性的比较

一般来说,构建NoSql，为了高可用和海量数据存储，我们会选择牺牲一致性，但这并不意味着我们不要一致性，而是我们可以选择不实现强一致性，而实现弱一致性或者最终一致性。无论是在关系型数据库或者NoSql中，我们都是通过事务来实现一致性，下面我们来讨论两者在一致性方面的差异：

关系型数据库事务的4个基本特性ACID，即原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability)。

而对于分布式事务的特性BASE，则是反这个标准的，即基本可用(Basically Availble)、软状态/柔性事务(Soft-state)、最终一致性(Eventual Consistency)。下面是Brewer教授在PODC大会展示的ACID vs BASE：

前面我们说过，NoSql的出现是为了解决高并发、海量数据、高可用等问题的，因而一般分布式是最优选项，我们先来说一下分布式系统的特性：CAP理论，当然，这也是NoSql的特性：

CAP理论

CAP理论是Brewer教授提出的：一个分布式系统不能同时满足一致性(Consistency)、可用性(Availability)和分区容错性(Tolerance of network Partition)。鱼和熊掌不可兼得。

一致性：任何一个读操作总是能读取到之前完成的写操作结果，也就是在分布式环境中，多点的数据是一致的。

可用性：每一个操作总是能在确定的时间内返回，也不是系统随时都是可用的。

分区容错性：在出现网络分区(如断网)的情况下，分离的系统也能正常运行。

PS：这里有人可能会问，可用性与分区容错性是不是一个意思(既然分区都可以容错了，不就是可用么)，个人理解这里可用性说的是调用不会被阻塞。

而市场上的NoSql则以CAP理论为指导，大多选择实现了CAP理论的两点(如CA、CP、AP)，未实现的即其缺陷部分。下面则是常见NoSql系统的特性：

常见NoSql的分类

类型

部分代表

特点

列存储

Hbase

Cassandra

Hypertable

顾名思义，是按列存储数据的。最大的特点是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。

文档存储

MongoDB

CouchDB

文档存储一般用类似json的格式存储，存储的内容是文档型的。这样也就有有机会对某些字段建立索引，实现关系数据库的某些功能。

kv存储

Tokyo Cabinet / Tyrant

Berkeley DB

MemcacheDB

Redis

可以通过key快速查询到其value。一般来说，存储不管value的格式，照单全收。(Redis包含了其他功能)

图存储

Neo4J

FlockDB

图形关系的最佳存储。使用传统关系数据库来解决的话性能低下，而且设计使用不方便。

对象存储

db4o

Versant

通过类似面向对象语言的语法操作数据库，通过对象的方式存取数据。

xml数据库

Berkeley DB

XML

高效的存储XML数据，并支持XML的内部查询语法，比如XQuery,Xpath。

参考文档