非关系型的数据库nosql

非关系型数据库（NoSQL）：革新数据存储与处理

随着互联网技术的飞速发展,数据量呈爆炸式增长，传统的数据库技术已无法满足日益增长的数据存储和处理需求，非关系型数据库（NoSQL）作为一种新兴的数据库技术，因其灵活、可扩展、高可用等特点，逐渐成为大数据时代的主流选择，本文将详细介绍NoSQL的特点、分类、应用场景以及优势。

NoSQL的特点

NoSQL的分类

NoSQL的应用场景

NoSQL的优势

NoSQL数据库作为一种新兴的数据库技术,在数据存储和处理领域具有广泛的应用前景，随着技术的不断发展，NoSQL数据库将在未来发挥更加重要的作用。

memcached和redis的区别

medis与Memcached的区别传统MySQL+ Memcached架构遇到的问题　实际MySQL是适合进行海量数据存储的，通过Memcached将热点数据加载到cache，加速访问，很多公司都曾经使用过这样的架构，但随着业务数据量的不断增加，和访问量的持续增长，我们遇到了很多问题：　需要不断进行拆库拆表，Memcached也需不断跟着扩容，扩容和维护工作占据大量开发时间。 与MySQL数据库数据一致性问题。 数据命中率低或down机，大量访问直接穿透到DB，MySQL无法支撑。 4.跨机房cache同步问题。 众多NoSQL百花齐放，如何选择　最近几年，业界不断涌现出很多各种各样的NoSQL产品，那么如何才能正确地使用好这些产品，最大化地发挥其长处，是我们需要深入研究和思考的问题，实际归根结底最重要的是了解这些产品的定位，并且了解到每款产品的tradeoffs，在实际应用中做到扬长避短，总体上这些NoSQL主要用于解决以下几种问题　1.少量数据存储，高速读写访问。 此类产品通过数据全部in-momery 的方式来保证高速访问，同时提供数据落地的功能，实际这正是Redis最主要的适用场景。 2.海量数据存储，分布式系统支持，数据一致性保证，方便的集群节点添加/删除。 3.这方面最具代表性的是dynamo和bigtable 2篇论文所阐述的思路。 前者是一个完全无中心的设计，节点之间通过gossip方式传递集群信息，数据保证最终一致性，后者是一个中心化的方案设计，通过类似一个分布式锁服务来保证强一致性,数据写入先写内存和redo Log，然后定期compat归并到磁盘上，将随机写优化为顺序写，提高写入性能。 free，auto-sharding等。 比如目前常见的一些文档数据库都是支持schema-free的，直接存储json格式数据，并且支持auto-sharding等功能，比如mongodb。 面对这些不同类型的NoSQL产品,我们需要根据我们的业务场景选择最合适的产品。 Redis适用场景，如何正确的使用　前面已经分析过，Redis最适合所有数据in-momory的场景，虽然Redis也提供持久化功能，但实际更多的是一个disk-backed的功能，跟传统意义上的持久化有比较大的差别，那么可能大家就会有疑问，似乎Redis更像一个加强版的Memcached，那么何时使用Memcached,何时使用Redis呢?如果简单地比较Redis与Memcached的区别，大多数都会得到以下观点：　1Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，zset，hash等数据结构的存储。 2Redis支持数据的备份，即master-slave模式的数据备份。 3Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 抛开这些，可以深入到Redis内部构造去观察更加本质的区别，理解Redis的设计。 在Redis中，并不是所有的数据都一直存储在内存中的。 这是和Memcached相比一个最大的区别。 Redis只会缓存所有的 key的信息，如果Redis发现内存的使用量超过了某一个阀值，将触发swap的操作，Redis根据“swappability = age*log(size_in_memory)”计 算出哪些key对应的value需要swap到磁盘。 然后再将这些key对应的value持久化到磁盘中，同时在内存中清除。 这种特性使得Redis可以 保持超过其机器本身内存大小的数据。 当然，机器本身的内存必须要能够保持所有的key，毕竟这些数据是不会进行swap操作的。 同时由于Redis将内存 中的数据swap到磁盘中的时候，提供服务的主线程和进行swap操作的子线程会共享这部分内存，所以如果更新需要swap的数据，Redis将阻塞这个 操作，直到子线程完成swap操作后才可以进行修改。 使用Redis特有内存模型前后的情况对比：　VM off: 300k keys, 4096 bytes values: 1.3G used　VM on:300k keys, 4096 bytes values: 73M used　VM off: 1 million keys, 256 bytes values: 430.12M used　VM on:1 million keys, 256 bytes values: 160.09M used　VM on:1 million keys, values as large as you want, still: 160.09M used当 从Redis中读取数据的时候，如果读取的key对应的value不在内存中，那么Redis就需要从swap文件中加载相应数据，然后再返回给请求方。 这里就存在一个I/O线程池的问题。 在默认的情况下，Redis会出现阻塞，即完成所有的swap文件加载后才会相应。 这种策略在客户端的数量较小，进行 批量操作的时候比较合适。 但是如果将Redis应用在一个大型的网站应用程序中，这显然是无法满足大并发的情况的。 所以Redis运行我们设置I/O线程 池的大小，对需要从swap文件中加载相应数据的读取请求进行并发操作，减少阻塞的时间。 如果希望在海量数据的环境中使用好Redis，我相信理解Redis的内存设计和阻塞的情况是不可缺少的。

蚂蚁和白蚁有什么区别

白蚁是蚂蚁的一种。 是一种最古老的社会性昆虫，也是一种世界上分布极为广泛、危害性非常严重的害虫。 白蚁出现在中生代后期，距今已有二亿五千年的历史。 由于具有奇妙而独特的生物学特征和对人类造成严重的危害，自古以来就引起人们极大的关注和兴趣。 白蚁被称为“当代生物学的七大奇迹”之一。 从60年代开始，世界上已使用白蚁学（termitology）的名称，现在，把白蚁研究也提到“学”的高度，由此可见它在昆虫中的重要性。 白蚁在形态上与常见的蚂蚁相像，但在进化的道路上却与蜚蠊近缘，均属于较原始的动物。 白蚁虽然形态原始、变态简单，但却有着极其独特的习性，它不仅营巢居的群体生活而且群体内有不同的品级分化，各品级分工明确又紧密联系，使得这一古老的类群得以生存、繁衍。 白蚁的群体中有繁殖型个体和非繁殖性个体。 繁殖性包恬原始型蚁王、蚁后和补充型蚁王、蚁后，专事繁殖。 非繁殖型包括工蚁和兵蚁，工蚁数量占群体数量的绝大比例，约为80%-90%，负担筑巢、修路、清洁、取食、照料幼蚁的任务。 兵蚁上鄂特别发达，是群体的防卫者。

SQL数据库和ACCESS数据库使用区别

ACCESS改为SQL需要注意哪几个地方 数据库导入以后，自动增加字段需要重写，所有的数字类型需要增加长度，最好用decimal。 所有的默认值都丢失了。 主要是数字类型和日期类型。 所有now()，time()，date()要改成getdate()。 所有datediff(‘d‘, time1, time2)要改成datediff(day, time1, time2) 有可能一些true/false类型不能使用，要变为1/0。 备注类型要通过cast(column as varchar)来使用。 CursorType要改成1,也就是打开数据库时要给出第一个数字参数为1，否则记录可能显示不完整。 isnull(rowname)要改成rowname = null ACCESS的数据库中的自动编号类型在转化时，sql Server并没有将它设为自动编号型，我们需在SQL创建语句中加上identity，表示自动编号！ 转化时，跟日期有关的字段，SQL SERVER默认为smalldatetime型，我们最好将它变为datetime型，因为datetime型的范围比smalldatetime型大。 有时用smalldatetime型时，转化失败，而用datetime型时，转化成功。 对此两种数据库进行操作的sql语句不全相同，例如：在对ACCESS数据库进行删除纪录时用：“delete * from user where id=10“,而对SQL SERVER数据库进行删除是用：“delete user where id=10“. 日期函数不相同，在对ACCESS数据库处理中，可用date()、time()等函数，但对SQL SERVER数据库处理中，只能用datediff,dateadd等函数，而不能用date()、time()等函数。 在对ACCESS数据库处理中,sql语句中直接可以用一些VB的函数，像cstr()函数，而对SQL SERVER数据库处理中，却不能用。 ACCESS转SQL SERVER的数据库的几点经验 的数据库中的自动编号类型在转化时，sql server并没有将它设为自动编号型，我们需在SQL创建语句中加上identity，表示自动编号！ 2.转化时，跟日期有关的字段，SQL SERVER默认为smalldatetime型，我们最好将它变为datetime型，因为datetime型的范围比smalldatetime型大。 我遇见这种情况，用smalldatetime型时，转化失败，而用datetime型时，转化成功。 3.对此两种数据库进行操作的sql语句不全相同，例如：在对ACCESS数据库进行删除纪录时用：“delete * from user where id=10“,而对SQL SERVER数据库进行删除是用：“delete user where id=10“. 4.日期函数不相同，在对ACCESS数据库处理中，可用date()、time()等函数，但对SQL SERVER数据库处理中，只能用datediff,dateadd等函数，而不能用date()、time()等函数。 5.在对ACCESS数据库处理中,sql语句中直接可以用一些VB的函数，像cstr()函数，而对SQL SERVER数据库处理中，却不能用。