Redis（一）【概述】
目录
- 1. Nosql概述
- 2. 什么式NoSQL
- 3. NoSQL的四大分类
1. Nosql概述
为什么要用Nosql
大数据时代，一般的数据库无法进行处理了！2006年 Hadoop
Hadoop 是一个由 Apache 基金会所开发的分布式系统集成架构，用户可以在不了解分布式底层细节情况下，开发分布式程序，充分利用集群的威力来进行高速运算与存储，具有可靠、高效、可伸缩的特点
Hadoop简介
Hadoop 的核心是 YARN，HDFS，Mapreduce 常用模块架构如下:
-
Hadoop 是 Apache 软件基金会旗下的一个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构
-
Hadoop 是基于 Java 语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计算机集群中
-
Hadoop 的核心是分布式文件系统 HDFS（Hadoop Distributed File System）和 MapReduce
-
Hadoop 被公认为行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力
几乎所有主流厂商都围绕 Hadoop 提供开发工具、开源软件、商业化工具和技术服务，如谷歌、雅虎、微软、思科、淘宝等，都支持 Hadoop
单机MySQL的年代，一个基本的网站访问量一般不会太大，单个数据库完全足够
瓶颈：
1、数据量太大，一个机器放不下
2、数据的索引（B + Tree），一个及其内存也放不下
3、访问量（读写混合），一个服务器承受不了
单机MySQL
Memcached（缓存）+ MySQL + 垂直差分（读写分离）
网站大多时候其实都是在读，每次都去查询数据库的话就十分麻烦！为了减轻数据的压力，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（最热门的技术）
分库分表 + 水平拆分 + MySQL集群
本质：数据库（读，写）
数据库引擎
早些年：MyISAM 表锁，将表加锁，十分影响效率！高并发下就会出现严重的锁问题
现在：Innodb 行锁，将一行记录加锁
开始使用分库分表来解决写的压力
为什么要用NoSQL
用户的个人信息，社交网络，地理位置。用户自己产生的数据，用户日志等等爆发式增长！
NoSQL 数据库就能很好的处理这种情况
2. 什么式NoSQL
NoSQL
NoSQL == Not Only SQL （不仅仅是SQL）
关系型数据库：表格、行、列
泛指非关系型数据库的，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！
NoSQL 特点
1、方便扩展（数据之间没有关系）
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，是一种细粒度的缓存，性能会比较高）
3、数据类型的多样性（不需要实现设计数据库，随取随用，如果式数据量十分大的表，就很难精确的设计出来了）
4、传统 RDBMS 和 NoSQL
传统的RDBMS(关系型数据库)
- 结构化组织
- SQL
- 数据和关系都存在独单的表中 row column
- 操作、数据定义语言
- 一致性
NoSQL
- 不仅是数据
- 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(社交关系)
- 一致性
- CAP定理和BASE
- 高性能,高可用,高可扩展
了解 3V + 3 高
大数据时代的3V：主要描述问题的
-
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
-
高可扩
-
高性能
实践中：NoSQL + RDBMS 一起使用（RDBMS 关系数据库管理系统）
# 1、商品的描述文档型数据库 MongoDB# 2、图片分布式文件系统 FastDFS- 淘宝 TFS- Google GFS- Hadoop HDFS- 阿里云 oss# 3、商品的关键字(搜索)- 搜索引擎 solr elasticsearch- ISearch: 多隆# 4、商品热门的波段信息- 内存数据库- Redis、Tair、Memcache..# 5、商品的交易,外部的支付接口- 第三方应用
3. NoSQL的四大分类
键值对（key-value）
文档型数据库（bson格式 和 json 一样）
- MongDB（一般必须要掌握）
- MongDB 是一个基于分布式文件存储的数据库，C++编写，主要用来处理大量的文档
- MongDB 是一个介于关系型数据库和非关系型数据库中间的产品，MongDB 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
图形关系数据库
- 不是存图形的，存放的是关系，比如：朋友圈社交网络，广告推荐
| 分类 | Example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 | 数据五结构化，通常之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 | 一列簇式存储，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 | CounchDB，MongDB | 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，而且却反统一的查询语法 |
| 图形数据库（Graph） | 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。比如最短路径相对寻址，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 |
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！