nosqldb缓存方案,nos数据缓存

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

如何使用nosql db

No SQL DB是一种和关系型数据库相对应的对象数据库。按照数据模型保存性质将当前NoSQL分为四种：

1.Key-value stores键值存储, 保存keys+BLOBs

2.Table-oriented 面向表, 主要有Google的BigTable和Cassandra.

3.Document-oriented面向文本, 文本是一种类似XML文档，MongoDB 和 CouchDB

4.Graph-oriented 面向图论. 如Neo4J.

关系型数据库的弊端：

关系型数据库的历史已经有30余年了，因此，在某些情况下，关系型数据库的弱点就会暴露出来：

1. “对象-关系阻抗不匹配”。关系模型和面向对象模型在概念上存在天然的不匹配的地方，比如对象模型当中特有的“继承”，“组合”，“聚合”，“依赖”的概念在关系模型当中是不存在的。

2. “模式演进”。即随着时间的推移，需要对数据库模式进行调整以便适应新的需求，然而，对数据库模式的调整是的成本很高的动作，因此很多设计师在系统设计之初会设计一个兼容性很强的数据库模式，以应对将来可能出现的需求，然而在现在的web系统开发过程中，系统的变更更加频繁，几乎无法预先设计出一种“万能”的数据库模式以满足所有的需求，因此模式演进的弊端就愈发凸显。

3. 关系型数据库处理稀疏表时的性能非常差。

4. networkoriented data 很适合处理人工智能、社交网络中的一些需求。

所以，各种各样的No SQL DB 出现了，这里只简单介绍下Neo4J 的基本知识。

Neo 数据模型

Neo4J 是一个基于图实现的No SQL DB, 其基本的数据类型有如下几种：

Node, Relationship, Property.

Node 对应于图中的节点，Relationship 对应图中的边，Node 和 Relationship 都可以拥有Property，

Property 的数据结构为。

数据遍历

Neo 提供了Traverser对数据中的数据进行遍历。

nosql和mongodb的区别

1，Cassandra:

Cassandra从安装配置，到使用，负载平衡机制等等，无疑是这些新兴的NoSQL中最方便使用的一个（个人使用体验观点）

但从近期的消息来看由于出现过几次较为严重的数据库停止服务事件，Cassandra的创始人Facebook,及Twitter开始渐渐弃用

Cassandra,只把Cassandra用在非核心模块上，不地Digg仍在使用，看来我们要谨慎地对待它。2008年Facebook已让

Cassandra开源到Apache.

2.MongoDB:

它的风格可以说，在当今WebAPI流行的时代，它更易于被人使用，BJSON操作风格，自动数据平衡机制（当然要当心存贮碎片问题），相对

MySQL等SQL数据库有优秀考虑全面的，分布式方案，自动M/S主从读写切换。对于数据集群来说，可以说相当完美的Sharding等自动化支持。至

今听说过的最严重的事件就是FourSquare的11小时数据库宕机事件。相对来说还能接受：），它是使用C++/Boost编写，效率性能的确不错。

3.Redis:

它就是一个高效的内存数据库，用它来持久化数据存贮，那是扯淡，如果真拿它来与别的NoSQL一样使用（考虑读写一致性或者写安全）那它马上慢下

来：）不过他提供了比Memcached更多的操作数据类型，倒可以完全用它来做为一个高效易用的缓存，Benchmark据说优于memcached.

我用的数据规模没有这么大，不敢妄加评论。

4.HBase:

概念上也相对完美，有Hive开源工具支持，使HBase,可以相对于其它NoSQL数据库更易于使用，基于HDFS分布文件系统，使HBASE天

生就有对海量分布集群很好的支持。又因为与Hadoop相伴而生，所以一个系统想使用数据分析，智能处理，海量逻辑执行，完全可以选择Hadoop +

HBase云计算方案。

MongoDB也支持js的Map/Reducer所以可以试着整合一下MongoDB进云计算方案中。

当我使有MySQL +

NoSQL方案时，我会选择MongoDB,不仅是因为他的出色的海量分布式方案的支持，也不是因为经的Map/Reducer分布式计算的支持。而是因

为还没听说过它有过重大的失败案例，相对较完美的文档（还有中文手册哟）还有JSON分格支持，在当下WebAPI流行的时代，不仅是从个人喜爱角度，也

是从工程管理角度，开发人员更Love it,呵呵。

什么为分布式缓存？

分布式缓存主要用于在高并发环境下，减轻数据库的压力，提高系统的响应速度和并发吞吐。当大量的读、写请求涌向数据库时，磁盘的处理速度与内存显然不在一个量级，因此，在数据库之前加一层缓存，能够显著提高系统的响应速度，并降低数据库的压力。作为传统的关系型数据库，MySQL提供完整的ACID操作，支持丰富的数据类型、强大的关联查询、where语句等，能够非常客易地建立查询索引，执行复杂的内连接、外连接、求和、排序、分组等操作，并且支持存储过程、函数等功能，产品成熟度高，功能强大。但是，对于需要应对高并发访问并且存储海量数据的场景来说，出于对性能的考虑，不得不放弃很多传统关系型数据库原本强大的功能，牺牲了系统的易用性，并且使得系统的设计和管理变得更为复杂。这也使得在过去几年中，流行着另一种新的存储解决方案——NoSQL，它与传统的关系型数据库最大的差别在于，它不使用SQL作为查询语言来查找数据，而采用key-value形式进行查找，提供了更高的查询效率及吞吐，并且能够更加方便地进行扩展，存储海量数据，在数千个节点上进行分区，自动进行数据的复制和备份。在分布式系统中，消息作为应用间通信的一种方式，得到了十分广泛的应用。消息可以被保存在队列中，直到被接收者取出，由于消息发送者不需要同步等待消息接收者的响应，消息的异步接收降低了系统集成的耦合度，提升了分布式系统协作的效率，使得系统能够更快地响应用户，提供更高的吞吐。

当系统处于峰值压力时，分布式消息队列还能够作为缓冲，削峰填谷，缓解集群的压力，避免整个系统被压垮。垂直化的搜索引擎在分布式系统中是一个非常重要的角色，它既能够满足用户对于全文检索、模糊匹配的需求，解决数据库like查询效率低下的问题，又能够解决分布式环境下，由于采用分库分表，或者使用NoSQL数据库，导致无法进行多表关联或者进行复杂查询的问题。