本文开始之前，提出几个问题：① NoSQL 是什么，能解决什么问题；② NoSQL 与 SQL 的区别；③ 目前有哪些常见的 NoSQL；④ NoSQL、SQL、OLAP 和 OLTP 之间的关系。

---

1 NoSQL 是什么

1.1 NoSQL 的概念

NoSQL（not only sql，不仅仅是SQL）。口号是“select fun, profit from real_world where relational=false”，即非关联型的、强调 key-value 存储和文档数据库的优点。

文档数据库：各个文档的“数据模式”是不同的，但是它们能放在同一“集合”中，而不是像关系型数据库那样，表格中每行数据的模式都要相同。

1.2 NoSQL 的应用场景

（1）Key-Value 键值数据库

常见数据库：Redis、Memcached
适合场景：一般与 id 关联的数据，例如会话、配置文件、参数等。
不适合场景：① 数据之间关联；② 支持事务。

（2）Document-Oriented 面向文档数据库

常见数据库：MongoDB
适合场景：类似 Key-Value，但相同的 Key 下可以保持 多种数据结构的 Value，例如日志、分析等。
不适合场景：① 数据之间关联；② 支持事务。

（3）Column-Family 列存储数据库

常见数据库：HBase
适合场景：数据储存在列族，该列族常用于查询。例如日志、博客（标签查询）等。
不适合场景：① 支持事务。

例子：Person 类需要一起查询姓名和年龄而不是薪资，即姓名和年龄存放在同一个列族，而薪资存放在另一个列族。

2 NoSQL 与 SQL 的区别

问题：什么是结构化、非结构化数据和半结构化？
解答：① 结构化数据是指关系模型数据，即以关系数据库形式管理的数据；②
非结构化数据是指没有固定模式的数据，如WORD、PDF、PPT、EXL，各种格式的图片、视频等；③ 半结构化数据是上述两者的混合，既有关系数据，也有非固定数据。

（1）数据类型

SQL 合适处理结构化数据。
NoSQL 合适处理非结构化数据。

（2）事务性和可靠性

SQL 具有原子性、一致性、隔离、耐久性等特点，减少数据异常和保证在事务与数据库交互时数据的完整可靠。
NoSQL 没有事务，每一个数据集的操作都是原子级。

（3）查询性能

NoSQL 的查询性能优化 SQL

3 目前常见的 NoSQL

3.1 Redis

特点：运行异常快，支持list、set、hash，支持事务
应用场景：适合数据变化快且数据量不大的场景，例如，股票价格、实时数据搜集、实时通讯等。

3.2 RocksDB

特点：适用于多cpu存储高效、架构弹性
应用场景：适合低延时访问场景，例如实时scan数据集的图搜索query、实时请求Hadoop的应用等

3.3 HBase

特点：采用分布式架构 Map/reduce、大数据建模、优化实时查询
应用场景：适合随机访问的大数据场景

3.4 Hive

特点：提供了类SQL查询语言HQL、提供统一的元数据管理、可扩展
应用场景：数据仓库，例如数据抽取、数据加载、数据转换；数据汇总，例如每天/每周用户点击数、流量统计；非实时分析，例如日志分析、文本分析；

4 NoSQL、SQL、OLAP 和 OLTP 之间的关系

OLAP 的概念：联机事务处理（Online Transaction Processing），表示事务性非常高的系统，一般都是高可用的在线系统，以小的事务以及小的查询为主。

OLTP 的概念：联机分析处理（Online Analytical Processing）系统，即数据仓库。

NoSQL、SQL、OLAP 和 OLTP 的特点：
① NoSQL：Key-Value 数据
② SQL：关系型数据
③ OLAP：离线分析、强调SQL执行。
④ OLTP：实时分析

基于 NoSQL、SQL、OLAP 和 OLTP 的特点，分析四者的关系。由于 NoSQL 具有查询速度快，常用作为缓存数据库，适用于 OLTP 的实时性特点。由于 SQL 作为通用数据库语言，具有查询关联数据的特点，适用于 OLAP 的离线数据分析特点，也适合作为流批一体的标准语言。总体而言，NoSQL 、SQL 是 OLTP 和 OLAP 的基础，前者为后者提供了可靠的缓存组件和通用的数据库语言。

NoSQL的关系.JPG