RDBMS

关系型数据库。

优点：

  • 事务型，遵循ACID
  • 数据的规范性和结构性
  • 数据处理对应用透明
  • 对表关联查询
  • 规范的SQL标准
  • 多年企业实践，非常成熟

劣势：

  • 水平扩展困难
  • 无法满足非结构化数据的处理

关系型数据库可以分为：

  • 传统的行式数据库
  • 列式数据库

传统行式数据库：

  • 数据是按行存储的
  • 没有索引的查询使用大量I/O
  • 建立索引的和物化视图需要花费大量时间和资源
  • 面对查询的需求，数据库必须被大量膨胀才能满足性能要求

列式数据库（例如sybase iq数据库）：（适合OLAP系统）

  • 数据按列存储，每一列单独存放
  • 数据即是索引
  • 只访问查询涉及的列，大量降低系统IO
  • 每一列由一个线索来处理，查询的并发处理
  • 数据类型一致，数据特征相似，高效压缩

NOSql

NOSql（Not Only Sql），例如：Redis、MongoDB、Neo4j等

NOSql数据库分类：

  • Key Value型（例如Redis）
  • Column型（例如Hbase）
  • Document型（例如MongoDB）
  • Graph型（例如Neo4j）

k-v类型：

说明
应用场景 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
数据模型 key指向value的键值对，通常用hash table实现
强项 查找速度快
弱项 数据无结构化，通常只能被当做字符串或二进制数据

列式存储类型：

说明
应用场景 分布式文件系统
数据模型 以列簇式存储，将同一列数据存在一起
强项 查找速度快，可扩展性强，更容易进行分布式扩展
弱项 功能相对局限

文档类型：

说明
应用场景 Web应用（与k-v类似，value是结构化的，不同的是数据库能够了解value的内容）
数据模型 k-v对应的键值对，value为结构化数据
强项 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
弱项 查询性能不高，而且缺乏统一的查询语法

图结构类型：

说明
应用场景 社交网络，推荐系统等。专注于构建关系图谱
数据模型 图结构
强项 利用图结构相关算法，比如最短路径寻址，N度关系查找等
弱项 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

Hadoop

Hadoop：

  • 发源于Google
  • 分布式处理的软件框架
  • 用于海量数据的处理
  • 可靠、高效、可伸缩的数据处理平台
  • Hadoop != NOSql

RDBMS和NOSql对比

RDBMS NOSql
ACID第一，严格保证 Throughout第一，弱/松ACID
Schema-centric，严格的结构化数据模型 Schema-free，灵活的非结构化/半结构化数据模型
复杂的数据关系、主外键、多表join等 简单的数据关系，一般不提供复杂的join
天生的Scale-up（高性能服务器）及后天培养的Scale-out（如Rac） 天生的分布式架构，优秀的横向扩展能力
基于ORM的SQL语句，映射、解析、执行成本较高 NO-Sql一般提供各类高级语言API，简单的读/写函数