NoSQL

NoSQL

NoSQL,指的是非关系型的数据库。随着互联网 web2.0 网站的兴起,传统的关系数据库在应付 web2.0 网站,特别是超大规模和高并发的 SNS 类型的 web2.0 纯动态网站已经显得力不从心,暴露了很多难以克服的问题,而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。

简介

NoSQL(NoSQL = Not Only SQL ),意即反 SQL 运动,是一项全新的数据库革命性运动,早期就有人提出,发展至 2009 年趋势越发高涨。NoSQL 的拥护者们提倡运用非关系型的数据存储,相对于目前铺天盖地的关系型数据库运用,这一概念无疑是一种全新的思维的注入。

现今状况

现今的计算机体系结构在数据存储方面要求具备庞大的水平扩展性,而 NoSQL 致力于改变这一现状。目前 Google 的 BigTable 和 Amazon 的 Dynamo 使用的就是 NoSQL 型数据库。

NoSQL 项目的名字上看不出什么相同之处,但是,它们通常在某些方面相同:它们可以处理超大量的数据。

这场革命目前仍然需要等待。的确,NoSQL 对大型企业来说还不是主流,但是,一两年之后很可能就会变个样子。在 NoSQL 运动的最新一次聚会中,来自世界各地的 150 人挤满了 CBS Interactive 的一间会议室。分享他们如何推翻缓慢而昂贵的关系数据库的暴政,怎样使用更有效和更便宜的方法来管理数据。

“关系型数据库给你强加了太多东西。它们要你强行修改对象数据,以满足 RDBMS (relational database management system,关系型数据库管理系统)的需要。” 在 NoSQL 拥护者们看来,基于 NoSQL 的替代方案 “只是给你所需要的”。

  1. 水平扩展性(horizontal scalability)指能够连接多个软硬件的特性,这样可以将多个服务器从逻辑上看成一个实体。

我们为什么要使用NOSQL非关系数据库?

随着互联网 web2.0 网站的兴起,非关系型的数据库现在成了一个极其热门的新领域,非关系数据库产品的发展非常迅速。而传统的关系数据库在应付 web2.0 网站,特别是超大规模和高并发的 SNS 类型的 web2.0 纯动态网站已经显得力不从心,暴露了很多难以克服的问题,例如

  1. High performance – 对数据库高并发读写的需求 web2.0 网站要根据用户个性化信息来实时生成动态页面和提供动态信息,所以基本上无法使用动态页面静态化技术,因此数据库并发负载非常高,往往要达到每秒上万次读写请求。关系数据库应付上万次 SQL 查询还勉强顶得住,但是应付上万次 SQL 写数据请求,硬盘 IO 就已经无法承受了。其实对于普通的 BBS 网站,往往也存在对高并发写请求的需求。
  2. Huge Storage – 对海量数据的高效率存储和访问的需求 对于大型的 SNS 网站,每天用户产生海量的用户动态,以国外的 Friendfeed 为例,一个月就达到了 2.5 亿条用户动态,对于关系数据库来说,在一张 2.5 亿条记录的表里面进行 SQL 查询,效率是极其低下乃至不可忍受的。再例如大型 web 网站的用户登录系统,例如腾讯,盛大,动辄数以亿计的帐号,关系数据库也很难应付。
  3. High Scalability && High Availability- 对数据库的高可扩展性和高可用性的需求 在基于 web 的架构当中,数据库是最难进行横向扩展的,当一个应用系统的用户量和访问量与日俱增的时候,你的数据库却没有办法像 web server 和 app server 那样简单的通过添加更多的硬件和服务节点来扩展性能和负载能力。对于很多需要提供 24 小时不间断服务的网站来说,对数据库系统进行升级和扩展是非常痛苦的事情,往往需要停机维护和数据迁移,为什么数据库不能通过不断的添加服务器节点来实现扩展呢?

在上面提到的 “三高” 需求面前,关系数据库遇到了难以克服的障碍,而对于 web2.0 网站来说,关系数据库的很多主要特性却往往无用武之地,例如

  1. 数据库事务一致性需求 很多 web 实时系统并不要求严格的数据库事务,对读一致性的要求很低,有些场合对写一致性要求也不高。因此数据库事务管理成了数据库高负载下一个沉重的负担。
  2. 数据库的写实时性和读实时性需求 对关系数据库来说,插入一条数据之后立刻查询,是肯定可以读出来这条数据的,但是对于很多 web 应用来说,并不要求这么高的实时性。
  3. 对复杂的SQL查询,特别是多表关联查询的需求 任何大数据量的 web 系统,都非常忌讳多个大表的关联查询,以及复杂的数据分析类型的复杂 SQL 报表查询,特别是 SNS 类型的网站,从需求以及产品设计角度,就避免了这种情况的产生。往往更多的只是单表的主键查询,以及单表的简单条件分页查询,SQL 的功能被极大的弱化了。

因此,关系数据库在这些越来越多的应用场景下显得不那么合适了,为了解决这类问题的非关系数据库应运而生。

NoSQL 是非关系型数据存储的广义定义。它打破了长久以来关系型数据库与 ACID 理论大一统的局面。NoSQL 数据存储不需要固定的表结构,通常也不存在连接操作。在大数据存取上具备关系型数据库无法比拟的性能优势。该术语在 2009 年初得到了广泛认同。

当今的应用体系结构需要数据存储在横向伸缩性上能够满足需求。而 NoSQL 存储就是为了实现这个需求。Google 的 BigTable 与 Amazon 的 Dynamo 是非常成功的商业 NoSQL 实现。一些开源的 NoSQL 体系,如 Facebook 的 Cassandra, Apache 的 HBase,也得到了广泛认同。从这些 NoSQL 项目的名字上看不出什么相同之处:Hadoop、Voldemort、Dynomite,还有其它很多。

NoSQL 与关系型数据库设计理念比较

关系型数据库中的表都是存储一些格式化的数据结构,每个元组字段的组成都一样,即使不是每个元组都需要所有的字段,但数据库会为每个元组分配所有的字段,这样的结构可以便于表与表之间进行连接等操作,但从另一个角度来说它也是关系型数据库性能瓶颈的一个因素。而非关系型数据库以键值对存储,它的结构不固定,每一个元组可以有不一样的字段,每个元组可以根据需要增加一些自己的键值对,这样就不会局限于固定的结构,可以减少一些时间和空间的开销。

特点

  • 它们可以处理超大量的数据。
  • 它们运行在便宜的PC服务器集群上。
  • PC集群扩充起来非常方便并且成本很低,避免了“sharding”操作的复杂性和成本。
  • 它们击碎了性能瓶颈。
  • NoSQL的支持者称,通过NoSQL架构可以省去将Web或Java应用和数据转换成SQL友好格式的时间,执行速度变得更快。
  • “SQL并非适用于所有的程序代码,” 对于那些繁重的重复操作的数据,SQL值得花钱。但是当数据库结构非常简单时,SQL可能没有太大用处。
  • 没有过多的操作。
  • 虽然NoSQL的支持者也承认关系数据库提供了无可比拟的功能集合,而且在数据完整性上也发挥绝对稳定,他们同时也表示,企业的具体需求可能没有那么多。
  • Bootstrap支持
  • 因为NoSQL项目都是开源的,因此它们缺乏供应商提供的正式支持。这一点它们与大多数开源项目一样,不得不从社区中寻求支持。

缺点

但是一些人承认,没有正式的官方支持,万一出了差错会是可怕的,至少很多管理人员是这样看。

“我们确实需要做一些说服工作,但基本在他们看到我们的第一个原型运行良好之后,我们就能够说服他们,这是条正确的道路。”

此外,nosql并未形成一定标准,各种产品层出不穷,内部混乱,各种项目还需时间来检验

8 种 Nosql 数据库系统对比

resources from,english resources

虽然 SQL 数据库是非常有用的工具,但经历了 15 年的一支独秀之后垄断即将被打破。这只是时间问题:被迫使用关系数据库,但最终发现不能适应需求的情况不胜枚举。

但是 NoSQL 数据库之间的不同,远超过两 SQL 数据库之间的差别。这意味着软件架构师更应该在项目开始时就选择好一个适合的 NoSQL 数据库。针对这种情况,这里对 Cassandra、 MongodbCouchDBRedis、 Riak、 MembaseNeo4j和 HBase 进行了比较:

  1. CouchDB
  • 所用语言: Erlang
  • 特点:DB一致性,易于使用
  • 使用许可: Apache
  • 协议: HTTP/REST
  • 双向数据复制,
  • 持续进行或临时处理,
  • 处理时带冲突检查,
  • 因此,采用的是master-master复制(见编注2)
  • MVCC – 写操作不阻塞读操作
  • 可保存文件之前的版本
  • Crash-only(可靠的)设计
  • 需要不时地进行数据压缩
  • 视图:嵌入式 映射/减少
  • 格式化视图:列表显示
  • 支持进行服务器端文档验证
  • 支持认证
  • 根据变化实时更新
  • 支持附件处理
  • 因此,CouchApps(独立的 js应用程序)
  • 需要 jQuery程序库

    最佳应用场景:适用于数据变化较少,执行预定义查询,进行数据统计的应用程序。适用于需要提供数据版本支持的应用程序。

    例如: CRM、CMS 系统。 master-master 复制对于多站点部署是非常有用的。

    (编注2:master-master复制:是一种数据库同步方法,允许数据在一组计算机之间共享数据,并且可以通过小组中任意成员在组内进行数据更新。)

  1. Redis
  • 所用语言:C/C++
  • 特点:运行异常快
  • 使用许可: BSD
  • 协议:类 Telnet
  • 有硬盘存储支持的内存数据库,
  • 但自2.0版本以后可以将数据交换到硬盘(注意, 2.4以后版本不支持该特性!)
  • Master-slave复制(见编注3)
  • 虽然采用简单数据或以键值索引的哈希表,但也支持复杂操作,例如 ZREVRANGEBYSCORE。
  • INCR & co (适合计算极限值或统计数据)
  • 支持 sets(同时也支持 union/diff/inter)
  • 支持列表(同时也支持队列;阻塞式 pop操作)
  • 支持哈希表(带有多个域的对象)
  • 支持排序 sets(高得分表,适用于范围查询)
  • Redis支持事务
  • 支持将数据设置成过期数据(类似快速缓冲区设计)
  • Pub/Sub允许用户实现消息机制

    最佳应用场景:适用于数据变化快且数据库大小可遇见(适合内存容量)的应用程序。

    例如:股票价格、数据分析、实时数据搜集、实时通讯。

    (编注3:Master-slave 复制:如果同一时刻只有一台服务器处理所有的复制请求,这被称为 Master-slave 复制,通常应用在需要提供高可用性的服务器集群。)

  1. MongoDB
  • 所用语言:C++
  • 特点:保留了 SQL 一些友好的特性(查询,索引)。
  • 使用许可: AGPL(发起者: Apache)
  • 协议: Custom, binary(BSON)
  • Master/slave复制(支持自动错误恢复,使用 sets 复制)
  • 内建分片机制
  • 支持 javascript表达式查询
  • 可在服务器端执行任意的 javascript函数
  • update-in-place 支持比 CouchDB 更好
  • 在数据存储时采用内存到文件映射
  • 对性能的关注超过对功能的要求
  • 建议最好打开日志功能(参数 –journal)
  • 在 32 位操作系统上,数据库大小限制在约2.5Gb
  • 空数据库大约占 192Mb
  • 采用 GridFS存储大数据或元数据(不是真正的文件系统)

    最佳应用场景:适用于需要动态查询支持;需要使用索引而不是 map/reduce功能;需要对大数据库有性能要求;需要使用 CouchDB但因为数据改变太频繁而占满内存的应用程序。

    例如:你本打算采用 MySQL或 PostgreSQL,但因为它们本身自带的预定义栏让你望而却步。

  1. Riak
    • 所用语言:Erlang 和 C,以及一些 Javascript
    • 特点:具备容错能力
    • 使用许可: Apache
    • 协议: HTTP/REST 或者 custom binary
    • 可调节的分发及复制(N, R, W)
    • 用 JavaScript or Erlang 在操作前或操作后进行验证和安全支持。
    • 使用 JavaScript 或 Erlang 进行 Map/reduce
    • 连接及连接遍历:可作为图形数据库使用
    • 索引:输入元数据进行搜索(1.0版本即将支持)
    • 大数据对象支持( Luwak)
    • 提供“开源”和“企业”两个版本
    • 全文本搜索,索引,通过 Riak搜索服务器查询( beta版)
    • 支持Masterless多站点复制及商业许可的 SNMP 监控

    最佳应用场景:适用于想使用类似 Cassandra(类似Dynamo)数据库但无法处理 bloat及复杂性的情况。适用于你打算做多站点复制,但又需要对单个站点的扩展性,可用性及出错处理有要求的情况。

    例如:销售数据搜集,工厂控制系统;对宕机时间有严格要求;可以作为易于更新的 web服务器使用。

  2. Membase
    • 所用语言: Erlang和C
    • 特点:兼容 Memcache,但同时兼具持久化和支持集群
    • 使用许可: Apache 2.0
    • 协议:分布式缓存及扩展
    • 非常快速(200k+/秒),通过键值索引数据
    • 可持久化存储到硬盘
    • 所有节点都是唯一的( master-master复制)
    • 在内存中同样支持类似分布式缓存的缓存单元
    • 写数据时通过去除重复数据来减少 IO
    • 提供非常好的集群管理 web界面
    • 更新软件时软无需停止数据库服务
    • 支持连接池和多路复用的连接代理

    最佳应用场景:适用于需要低延迟数据访问,高并发支持以及高可用性的应用程序

    例如:低延迟数据访问比如以广告为目标的应用,高并发的 web 应用比如网络游戏(例如 Zynga)

  3. Neo4j
    • 所用语言: Java
    • 特点:基于关系的图形数据库
    • 使用许可: GPL,其中一些特性使用 AGPL/商业许可
    • 协议: HTTP/REST(或嵌入在 Java中)
    • 可独立使用或嵌入到 Java应用程序
    • 图形的节点和边都可以带有元数据
    • 很好的自带web管理功能
    • 使用多种算法支持路径搜索
    • 使用键值和关系进行索引
    • 为读操作进行优化
    • 支持事务(用 Java api)
    • 使用 Gremlin图形遍历语言
    • 支持 Groovy脚本
    • 支持在线备份,高级监控及高可靠性支持使用 AGPL/商业许可

    最佳应用场景:适用于图形一类数据。这是 Neo4j与其他nosql数据库的最显著区别

    例如:社会关系,公共交通网络,地图及网络拓谱

  4. Cassandra
    • 所用语言: Java
    • 特点:对大型表格和 Dynamo支持得最好
    • 使用许可: Apache
    • 协议: Custom, binary (节约型)
    • 可调节的分发及复制(N, R, W)
    • 支持以某个范围的键值通过列查询
    • 类似大表格的功能:列,某个特性的列集合
    • 写操作比读操作更快
    • 基于 Apache分布式平台尽可能地 Map/reduce
    • 我承认对 Cassandra有偏见,一部分是因为它本身的臃肿和复杂性,也因为 Java的问题(配置,出现异常,等等)

    最佳应用场景:当使用写操作多过读操作(记录日志)如果每个系统组建都必须用 Java编写(没有人因为选用 Apache的软件被解雇)

    例如:银行业,金融业(虽然对于金融交易不是必须的,但这些产业对数据库的要求会比它们更大)写比读更快,所以一个自然的特性就是实时数据分析

    最佳应用场景:当使用写操作多过读操作(记录日志)如果每个系统组建都必须用 Java编写(没有人因为选用 Apache的软件被解雇)

    例如:银行业,金融业(虽然对于金融交易不是必须的,但这些产业对数据库的要求会比它们更大)写比读更快,所以一个自然的特性就是实时数据分析

  5. HBase

    (配合 ghshephard 使用)

    • 所用语言: Java
    • 特点:支持数十亿行X上百万列
    • 使用许可: Apache
    • 协议:HTTP/REST (支持 Thrift,见编注4)
    • 在 BigTable之后建模
    • 采用分布式架构 Map/reduce
    • 对实时查询进行优化
    • 高性能 Thrift网关
    • 通过在server端扫描及过滤实现对查询操作预判
    • 支持 XML, Protobuf, 和binary的HTTP
    • Cascading, hive, and pig source and sink modules
    • 基于 Jruby( JIRB)的shell
    • 对配置改变和较小的升级都会重新回滚
    • 不会出现单点故障
    • 堪比MySQL的随机访问性能

    最佳应用场景:适用于偏好BigTable:)并且需要对大数据进行随机、实时访问的场合。

    例如: Facebook消息数据库(更多通用的用例即将出现)

    编注4:Thrift 是一种接口定义语言,为多种其他语言提供定义和创建服务,由Facebook开发并开源。

    当然,所有的系统都不只具有上面列出的这些特性。这里我仅仅根据自己的观点列出一些我认为的重要特性。与此同时,技术进步是飞速的,所以上述的内容肯定需要不断更新。我会尽我所能地更新这个列表。