1.5　NoSQL数据库

尽管关系数据库系统技术已经相对成熟，能很好地处理表格类型的数据，但对业界出现的越来越多复杂类型的数据（如文本、图像、视频等）无能为力。尤其是步入互联网Web 2.0和移动互联网时代，许多互联网应用有着高并发读写、海量数据处理、数据结构不统一等特点，传统的关系数据库并不能很好地支持这些场景。另一方面，非关系数据库有着高并发读写、数据高可用性、海量数据存储和实时分析等特点，能较好地支持这些应用的需求。因此，一些非关系数据库也开始兴起。

为了解决大规模数据集合和多种数据种类带来的挑战，NoSQL数据库应运而生。NoSQL一词最早出现于1998年，是Carlo Strozzi开发的一个轻量、开源、不提供SQL功能的数据库。NoSQL最常见的解释是“非关系型（Non-Relational）”，但是“不仅仅是SQL（Not Only SQL）”的解释也被很多人接受。NoSQL仅仅是一个概念，泛指非关系型的数据库，区别于关系数据库。它们不保证关系数据的四个特性：原子性、一致性、隔离性、持久性（Atomicity、Consistency、Isolation、Durability，可简称ACID）。

NoSQL是全新的数据库革命性运动的体现，其拥护者提倡运用非关系型的数据存储，相对于铺天盖地的关系数据库运用，这一概念无疑是一种全新的思维注入。因为NoSQL数据库去掉了关系数据模型的特性，因此数据之间没有关系，容易进行扩展。例如，脸书（Facebook）或者推特（Twitter）每天都为用户收集万亿比特的数据，这些数据的存取不需要固定的模式，使用NoSQL无须多余的操作就能实现横向扩展，无形之中也在数据库架构的层面上带来了可扩展的能力。此外，得益于NoSQL数据库数据模型的无关系性，数据库的结构变得比较简单，因此容易支持海量数据的存储和高并发读写，性能比较优秀。

Johan Oskarsson在2009年发起了一场关于分布式开源数据库的讨论，Eric Evans再次提出了NoSQL的概念，这时的NoSQL主要指非关系型、分布式和不提供ACID特性的数据库设计模式。2009年在亚特兰大举行的“no：sql（east）”讨论会是一个里程碑，其口号是“select fun，profit from real_world where relational=false；”。因此，对NoSQL最普遍的解释是“非关系型的”，强调键值存储和文档数据库的优点，而不是单纯的反对关系数据库。

虽然NoSQL数据库具有灵活的数据模型、高扩展性和高可用性等特点，但是，NoSQL不支持SQL查询，不支持数据的强一致事务处理（如附录B表B-3所示），只能保证数据的弱一致性。NoSQL数据库主要包括4种类型：文档数据库（Document-Oriented Database）、列簇式数据库（Column-family Database）、键值数据库（Key-Value Database）和图数据库（Graph Database）。接下来将分别介绍这四种数据库。

1．文档数据库

从1989年起，美国Lotus公司（已被IBM兼并）通过其群组工作软件产品Notes提出了数据库技术的全新概念——文档数据库（Document-Oriented Database），与传统数据库相比，文档数据库是用来管理文档的。在传统数据库中，信息被分割成离散的数据段，而在文档数据库中，文档是处理信息的基本单位。通俗地说，文档数据库假设存储的数据均按某种标准或编码来封装数据，这些封装好的数据可以是XML、YAML、JSON或者BSON等，也可以是PDF和微软Office文档等二进制文档格式。例如，XML数据库是针对XML文档做了优化的面向文档的数据库的子类。一些搜索引擎（也称为信息检索）系统如E lasticsearch提供了足够的对文档的核心操作，从而满足面向文档数据库的定义。

常见的文档数据库有MongoDB、Apache CouchDB、亚马逊AWS的Document DB等。以MongoDB数据库为例，它是一个由C++语言编写的基于分布式文件存储的文档数据库。MongoDB的每个数据库（Database）下包含多个集合（Collection），每个集合下又可以有多个文档（Document），每个文档中的每条记录（Record）就是一条数据。这与关系数据库的记录（Record）和数据表（Table）的概念相似，但是同一个集合下的文档可以存储格式不同的数据，存储操作更加灵活。其他的文档数据库产品与之类似，在此不一一赘述。

2．列簇式数据库

传统数据库有列数的限制，而宽表（BigTable、Hbase）通过列簇的概念来降低这一限制。但是宽表带来了存储的开销，而列簇数据库通过融合行键值和列来形成统一关键字，并且可以把值分成多个列簇，让每个列簇代表一张数据映射表。典型的列簇式数据库包括Hbase、BigTable、Cloudera和Cassandra等。以Hbase为例，它是一个开源的非关系型分布式数据库（NoSQL），参考了谷歌的BigTable建模，实现的编程语言为Java。Hbase是Apache软件基金会的Hadoop项目的一部分，运行于HDFS文件系统之上，为Hadoop提供类似于BigTable规模的服务。

但列簇数据库不同于列数据库。数据库存储方式分为两种：行存储和列存储。行存储即按照行进行组织存储，适合于交易型业务，例如整行数据的增加和删除；而列存储是按照列进行存储，适合于分析型业务，例如单列数据的聚集分析。图1-2是两种存储方法的图形对比。

3．键值数据库

键值数据库使用简单的键值方法来存储数据，是一种最简单的NoSQL数据库，具有较高的容错性和可扩展性。该类数据库将数据存储为键值对集合，其中键作为唯一标识符，键和值都可以是从简单对象到复杂对象的任何内容。在不涉及过多数据关系业务的需求中，使用键值存储可以非常有效地减少读写磁盘的次数，比关系型存储拥有更好的读写性能，能够解决关系数据库无法存储的数据结构问题。但是该类数据库的事务不能完全地支持ACID特性（如附录B中表B-3所示）。

常见的键值数据库包括面向内存的键值数据库Redis和Memcached，面向磁盘的键值数据库RocksDB和LevelDB等。

·　Redis是一个使用ANSIC语言编写的开源、基于内存、支持网络、可选持久性的键值对存储数据库。Redis是目前最流行的键值对存储数据库之一，经常被用于存取缓存数据。

·　Memcached是一个开放源代码、高性能、分布式的内存对象缓存系统，用于加速动态Web应用程序，减轻关系数据库的负载。它可以应对任意多个连接，使用非阻塞的网络IO。它的工作机制是在内存中开辟一块空间，然后建立一个Hash表，Memcached自管理这些Hash表。Memcached设计简单而强大，简单的设计促进其迅速部署，易于发现所面临的问题，解决了很多大型数据缓存的问题。

·　LevelDB是一个由谷歌研发的键值对嵌入式数据库管理系统编程库，以开源的BSD许可证发布。

4．图数据库

图数据库的历史可以追溯到20世纪60年代的Navigational Databases，这时IBM也开发了类似树结构的数据存储模型。经过30多年的漫长发展，期间出现过可标记的图形数据库Logic Data Model。直至21世纪初，具有ACID特性的里程碑式图数据库产品，如Neo4j、Oracle Spatial and Graph，才被开发出来并进行商业化。到2010年后，可支持水平扩展的分布式图数据库开始兴起，例如OrientDB、ArangoDB、MarkLogic。至今，各式各样的图数据库越来越受到重视，在谷歌、领英、脸书等一些大公司中，已经有了广泛应用。图数据库的成功可以归结为很多因素，但归根结底是因为它们通过大量复杂的信息来支撑各类新型应用，例如知识图谱、社交网络分析。