关系型数据库遇到的问题
- 2008 年左右，网站、论坛、社交网络开始高速发展，传统的关系型数据库在存储及处理数据的时候受到了很大的挑战 ，其中主要体现在以下几点：
- 难以应付每秒上万次的高并发数据写入；
- 查询上亿量级数据的速度极其缓慢；
- 分库、分表形成的子库到达一定规模后难以进一步扩展；
- 分库、分表 的规则可能会因为需求变更而发生变更；
- 修改表结构困难；
- 在很多 互联网应用场景下，对数据联表的查询需求不是那么强烈，也并不需要在数据写入后立刻读取，但对数据的读取和并发写入速度有非常高的要求，在这样的情况下，非关系型数据库得到高速的发展；
什么是 NoSQL 数据库？
-
MongoDB 就是一款非关系型的数据库，什么叫非关系型？就是把数据直接放进一个大仓库，不标号、不连线、单纯的堆起来；传统数据库由于受到各种关系的累赘，各种数据形式的束缚，难以处理海量数据以及超高并发的业务场景；
-
为了解决上述问题，必须有一款自废武功，以求在更高层次上突破瓶颈的数据库系统，摈弃了固有模式的 MongoDB 才能应对 Facebook 上亿比特的海量数据；
-
NoSQL 意即 不仅仅是 SQL；
-
NoSQL 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；
NoSQL 数据库有哪些特点？
可弹性扩展；
BASE 特性；
大数据量、高性能；
灵活的数据模型；
高可用；
NoSQL 数据库有哪些种类？
键值数据库
这类数据库主要是使用数据结构中的键 Key 来查找特定的数据 Value ，优点：在存储时不采用任何模式，因此极易添加数据；
这类数据库具有极高的读写性能，用于处理大量数据的高访问负载比较合适；
键值对数据库适合大量数据的高访问及写入负载场景，例如日志系统；
主要代表是 Redis、Flare；
文档型数据库
这类数据库满足了海量数据的存储和访问需求，同时对字段要求不严格，可以随意增加、删除、修改字段，且不需要预先定义表结构，所以适用于各种网络应用；
主要代表是 MongoDB、CouchDB；
列存储型数据库
主要代表是 Cassandra 、Hbase；
这类数据库查找速度快，可扩展性强，适合用作分布式文件存储系统；
图数据库
主要代表是 InfoGrid 、Neo4J；
这类数据库利用“图结构”的相关算法来存储实体之间的关系信息，适合用于构建社交网络和推荐系统的关系图谱；
NoSQL 与 RDB 该怎么选择？
-
NoSQL 并不能完全取代 关系型数据库，NoSQL 主要被用来处理大量且多元数据的存储及运算问题，在这样的特性差异下，这里提供以下几点作为判断依据：
数据模型的关联性要求：NoSQL 适合模型关联性比较低的应用，如果需要多表关联，则更适合用 RDB；如果对象实体关联少，则更适合用 NoSQL 数据库，其中 MongoDB 可以支持复杂度相对高的数据结构，能够将相关联的数据以文档的方式嵌入，从而减少数据之间的关联操作；数据库的性能要求：如果数据量多切访问速度至关重要，那么使用 NoSQL 数据库可能是比较合适的，NoSQL 数据库能通过数据的分布存储大幅地提供存储性能；数据的一致性要求：NoSQL 数据库有一个缺点：其在事务处理与一致性方面无法与 RDB 相提并论；因此，NoSQL 数据库很难同时满足强一致性与高并发性，如果应用对性能有高要求，则 NoSQL 数据库只能做到数据最终一致；数据的可用性要求：考虑到数据不可用可能会造成风险，NoSQL 数据库提供了强大的数据可用性（在一些需要快速反馈信息给使用者的应用中，响应延迟也算某种程度的高可用）；
-
一个项目并非只选择一种数据库，可以将其拆开设计，将需要 RDB 特性的放到 RDB 中管理，而其它数据放到 NoSQL 中管理；
MongoDB 基础概念
db：和mysql的概念一致
collection：集合，类似于mysql中的表
document：每个集合中的文档，类似于mysql中的记录
Primary Key：和mysql中的主键含义一致，每个document都有一个主键field：文档中的字段
MongoDB 的特点
mongodb属于nosql中的文档型数据库，每个文档相当于是一个对象，它没有列的概念，也没有表关系由于它是一个
nosql数据库：
- 无
sql语句- 使用极其简单，学习成本非常低
- 由于没有集合之间的关联，难以表达复杂的数据关系
- 存取速度极快
由于它是一个
文档型数据库：
- 数据内容非常丰富和灵活
- 对数据结构难以进行有效的限制
MongoDB 适用于哪些场景？
-
需要处理大量的低价值数据，且对数据处理性能有较高要求：比如，对微博数据的处理就不需要太高的事务性，但是对数据的存取性能有很高的要求，这时就非常适合使用 MongoDB； -
需要借助缓存层来处理数据：因为 MongoDB 能高效的处理数据，所以非常适合作为缓存层来使用，将 MongoDB 作为持久化缓存层，可以避免底层存储的资源过载； -
需要高度的伸缩性：对关系型数据库而言，当表的大小达到一定数量级后，其性能会急剧下降，这时可以使用多台 MongoDB 服务器搭建一个集群环境，实现最大程度的扩展，且不影响性能；
手写 computed
上一篇
