nosql數據庫有哪些？？？

NoSQL(NoSQL

云龍網站建設公司創新互聯公司,云龍網站設計制作，有大型網站制作公司豐富經驗。已為云龍上千家提供企業網站建設服務。企業網站搭建\外貿網站建設要多少錢，請找那個售后服務好的云龍做網站的公司定做！

=

Not

Only

SQL

)，意即“不僅僅是SQL”，是一項全新的數據庫革命性運動，早期就有人提出，發展至2009年趨勢越發高漲。NoSQL的擁護者們提倡運用非關系型的數據存儲，相對于鋪天蓋地的關系型數據庫運用，這一概念無疑是一種全新的思維的注入。

隨著大數據的不斷發展，非關系型的數據庫現在成了一個極其熱門的新領域，非關系數據庫產品的發展非常迅速。現今的計算機體系結構在數據存儲方面要有龐大的水平擴展性，而NoSQL也正是致力于改變這一現狀。目前Google的

BigTable和Amazon

的Dynamo使用的就是NoSQL型數據庫，本文介紹了10種出色的NoSQL數據庫。

雖然NoSQL流行語火起來才短短一年的時間，但是不可否認，現在已經開始了第二代運動。盡管早期的堆棧代碼只能算是一種實驗，然而現在的系統已經更加的成熟、穩定。不過現在也面臨著一個嚴酷的事實：技術越來越成熟——以至于原來很好的NoSQL數據存儲不得不進行重寫，也有少數人認為這就是所謂的2.0版本。這里列出一些比較知名的NoSQL工具，可以為大數據建立快速、可擴展的存儲庫。

給一個地址吧

互聯網如何海量存儲數據？

目前存儲海量數據的技術主要包括NoSQL、分布式文件系統、和傳統關系型數據庫。隨著互聯網行業不斷的發展，產生的數據量越來越多，并且這些數據的特點是半結構化和非結構化，數據很可能是不精確的，易變的。這樣傳統關系型數據庫就無法發揮它的優勢。因此，目前互聯網行業偏向于使用NoSQL和分布式文件系統來存儲海量數據。

下面介紹下常用的NoSQL和分布式文件系統。

NoSQL

互聯網行業常用的NoSQL有：HBase、MongoDB、Couchbase、LevelDB。

HBase是Apache Hadoop的子項目,理論依據為Google論文 Bigtable: A Distributed Storage System for Structured Data開發的。HBase適合存儲半結構化或非結構化的數據。HBase的數據模型是稀疏的、分布式的、持久穩固的多維map。HBase也有行和列的概念，這是與RDBMS相同的地方，但卻又不同。HBase底層采用HDFS作為文件系統，具有高可靠性、高性能。

MongoDB是一種支持高性能數據存儲的開源文檔型數據庫。支持嵌入式數據模型以減少對數據庫系統的I/O、利用索引實現快速查詢，并且嵌入式文檔和集合也支持索引，它復制能力被稱作復制集（replica set），提供了自動的故障遷移和數據冗余。MongoDB的分片策略將數據分布在服務器集群上。

Couchbase這種NoSQL有三個重要的組件：Couchbase服務器、Couchbase Gateway、Couchbase Lite。Couchbase服務器，支持橫向擴展，面向文檔的數據庫，支持鍵值操作，類似于SQL查詢和內置的全文搜索;Couchbase Gateway提供了用于RESTful和流式訪問數據的應用層API。Couchbase Lite是一款面向移動設備和“邊緣”系統的嵌入式數據庫。Couchbase支持千萬級海量數據存儲

分布式文件系統

如果針對單個大文件，譬如超過100MB的文件，使用NoSQL存儲就不適當了。使用分布式文件系統的優勢在于，分布式文件系統隔離底層數據存儲和分布的細節，展示給用戶的是一個統一的邏輯視圖。常用的分布式文件系統有Google File System、HDFS、MooseFS、Ceph、GlusterFS、Lustre等。

相比過去打電話、發短信、用彩鈴的“老三樣”，移動互聯網的發展使得人們可以隨時隨地通過刷微博、看視頻、微信聊天、瀏覽網頁、地圖導航、網上購物、外賣訂餐等，這些業務的海量數據都構建在大規模網絡云資源池之上。當14億中國人把衣食住行搬上移動互聯網的同時，也給網絡云資源池帶來巨大業務挑戰。

首先，用戶需求動態變化，傳統業務流量主要是端到端模式，較為穩定；而互聯網流量易受熱點內容牽引，數據流量流向復雜和規模多變：比如雙十一購物狂潮，電商平臺訂單創建峰值達到58.3萬筆，要求通信網絡提供高并發支持；又如優酷春節期間有超過23億人次上網刷劇、抖音拜年短視頻增長超10倍，需要通信網絡能夠靈活擴充帶寬。面對用戶動態多變的需求，通信網絡需要具備快速洞察和響應用戶需求的能力，提供高效、彈性、智能的數據服務。

“隨著通信網絡管道十倍百倍加粗、節點數從千萬級逐漸躍升至百億千億級，如何‘接得住、存得下’海量數據，成為網絡云資源池建設面臨的巨大考驗”，李輝表示。一直以來，作為新數據存儲首倡者和引領者，浪潮存儲攜手通信行業用戶，不斷 探索 提速通信網絡云基礎設施的各種姿勢。

早在2018年，浪潮存儲就參與了通信行業基礎設施建設，四年內累計交付約5000套存儲產品，涵蓋全閃存儲、高端存儲、分布式存儲等明星產品。其中在網絡云建設中，浪潮存儲已連續兩年兩次中標全球最大的NFV網絡云項目，其中在網絡云二期建設中，浪潮存儲提供數千節點，為上層網元、應用提供高效數據服務。在最新的NFV三期項目中，浪潮存儲也已中標。

能夠與通信用戶在網絡云建設中多次握手，背后是浪潮存儲的持續技術投入與創新。浪潮存儲6年內投入超30億研發經費，開發了業界首個“多合一”極簡架構的浪潮并行融合存儲系統。此存儲系統能夠統籌管理數千個節點，實現性能、容量線性擴展；同時基于浪潮iTurbo智能加速引擎的智能IO均衡、智能資源調度、智能元數據管理等功能，與自研NVMe SSD閃存盤進行系統級別聯調優化，讓百萬級IO均衡落盤且路徑更短，將存儲系統性能發揮到極致。

“為了確保全球最大規模的網絡云正常上線運行，我們聯合用戶對存儲集群展開了長達數月的魔鬼測試”，浪潮存儲工程師表示。網絡云的IO以虛擬機數據和上層應用數據為主，浪潮按照每個存儲集群支持15000臺虛機進行配置，分別對單卷隨機讀寫、順序寫、混合讀寫以及全系統隨機讀寫的IO、帶寬、時延等指標進行了360無死角測試，達到了通信用戶提出的單卷、系統性能不低于4萬和12萬IOPS、時延小于3ms的要求，產品成熟度得到了驗證。

以通信行業為例，2020年全國移動互聯網接入流量1656億GB，相當于中國14億人每人消耗118GB數據；其中春節期間，移動互聯網更是創下7天消耗36億GB數據流量的記錄，還“捎帶”打了548億分鐘電話、發送212億條短信……海量實時數據洪流，在網絡云資源池(NFV)支撐下收放自如，其中分布式存儲平臺發揮了作用。如此樣板工程，其巨大示范及拉動作用不言而喻。

nosql數據庫的幾大類型

1. 鍵值數據庫

相關產品：Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached

應用：內容緩存

優點：擴展性好、靈活性好、大量寫操作時性能高

缺點：無法存儲結構化信息、條件查詢效率較低

使用者：百度云（Redis）、GitHub（Riak）、BestBuy（Riak）、Twitter（Ridis和Memcached）

2. 列族數據庫

相關產品：BigTable、HBase、Cassandra、HadoopDB、GreenPlum、PNUTS

應用：分布式數據存儲與管理

優點：查找速度快、可擴展性強、容易進行分布式擴展、復雜性低

使用者：Ebay（Cassandra）、Instagram（Cassandra）、NASA（Cassandra）、Facebook（HBase）

3. 文檔數據庫

相關產品：MongoDB、CouchDB、ThruDB、CloudKit、Perservere、Jackrabbit

應用：存儲、索引并管理面向文檔的數據或者類似的半結構化數據

優點：性能好、靈活性高、復雜性低、數據結構靈活

缺點：缺乏統一的查詢語言

使用者：百度云數據庫（MongoDB）、SAP（MongoDB）

4. 圖形數據庫

圖形數據庫-使用圖作為數據模型來存儲數據。

相關產品：Neo4J、OrientDB、InfoGrid、GraphDB

應用：大量復雜、互連接、低結構化的圖結構場合，如社交網絡、推薦系統等

優點：靈活性高、支持復雜的圖形算法、可用于構建復雜的關系圖譜

缺點：復雜性高、只能支持一定的數據規模

使用者：Adobe（Neo4J）、Cisco（Neo4J）、T-Mobile（Neo4J）

nosql能夠用再哪些場景

nosql分類太多了，下面列舉幾個比較常見的：

Redis：非常適合需要表達時間線的web服務，例如微博

Cassandra：只有順序寫，沒有隨機寫的設計，滿足高負荷情形的性能需求

MongoDB：面向文檔，擅長處理非結構化數據

Neo4J：可以快速實現基于圖的計算（如果用SQL計算可能花更長的時間）

希望對你所有幫助。

簡述什么是nosql數據庫，并列舉兩種常見的nosql數據庫名稱及其特點

NoSQL太火，冒出太多產品了，保守估計也成百上千了。

互聯網公司常用的基本集中在以下幾種，每種只舉一個比較常見或者應用比較成功的例子吧。

1. In-Memory KV Store : Redis

in memory key-value store，同時提供了更加豐富的數據結構和運算的能力，成功用法是替代memcached，通過checkpoint和commit log提供了快速的宕機恢復，同時支持replication提供讀可擴展和高可用。

2. Disk-Based KV Store: Leveldb

真正基于磁盤的key-value storage, 模型單一簡單，數據量不受限于內存大小，數據落盤高可靠，Google的幾位大神出品的精品，LSM模型天然寫優化，順序寫盤的方式對于新硬件ssd再適合不過了，不足是僅提供了一個庫，需要自己封裝server端。

3. Document Store: Mongodb

分布式nosql，具備了區別mysql的最大亮點：可擴展性。mongodb 最新引人的莫過于提供了sql接口，是目前nosql里最像mysql的，只是沒有ACID的特性，發展很快，支持了索引等特性，上手容易，對于數據量遠超內存限制的場景來說，還需要慎重。

4. Column Table Store: HBase

這個富二代似乎不用贅述了，最大的優勢是開源，對于普通的scan和基于行的get等基本查詢，性能完全不是問題，只是只提供裸的api,易用性上是短板，可擴展性方面是最強的，其次坐上了Hadoop的快車，社區發展很快，各種基于其上的開源產品不少，來解決諸如join、聚集運算等復雜查詢。

常見NoSQL數據庫的應用場景是怎么樣的

文檔數據庫

源起：受Lotus Notes啟發。

數據模型：包含了key-value的文檔集合

例子：CouchDB, MongoDB

優點：數據模型自然，編程友好，快速開發，web友好，CRUD。

圖數據庫

源起： 歐拉和圖理論。

數據模型：節點和關系，也可處理鍵值對。

例子：AllegroGraph, InfoGrid, Neo4j

優點：解決復雜的圖問題。

關系數據庫

源起： E. F. Codd 在A Relational Model of Data for Large Shared Data Banks提出的

數據模型：各種關系

例子：VoltDB, Clustrix, MySQL

優點：高性能、可擴展的OLTP，支持SQL，物化視圖，支持事務，編程友好。

對象數據庫

源起：圖數據庫研究

數據模型：對象

例子：Objectivity, Gemstone

優點：復雜對象模型，快速鍵值訪問，鍵功能訪問，以及圖數據庫的優點。

Key-Value數據庫

源起：Amazon的論文 Dynamo 和 Distributed HashTables。

數據模型：鍵值對

例子：Membase, Riak

優點：處理大量數據，快速處理大量讀寫請求。編程友好。

BigTable類型數據庫

源起：Google的論文 BigTable。

數據模型：列簇，每一行在理論上都是不同的

例子：HBase, Hypertable, Cassandra

優點：處理大量數據，應對極高寫負載，高可用，支持跨數據中心， MapReduce。

數據結構服務

源起： ?

數據模型：字典操作，lists, sets和字符串值

例子：Redis

優點：不同于以前的任何數據庫

網格數據庫

源起：數據網格和元組空間研究。

數據模型：基于空間的架構

例子：GigaSpaces, Coherence

優點：適于事務處理的高性能和高擴展性